M5 Mac 还没吃满性能，w8a8 把 Gemma4 prefill 提到 3029 tps
maddie-lovelace · reddit · 2026-07-24
一位 Reddit 用户指出，Apple M5 的矩阵乘核心目前还没有被现有推理后端充分利用。
- 现在 MLX 和 llama.cpp 依然在很多地方使用 16-bit activations，但 M5 硅片据称已经支持 INT8 activations，也就是 w4a8 dtype。
- 作者自己实现了 w8a8 kernels，在 Gemma4 的 prefill 上拿到约 1.4x 的加速。
- 在一台 M5 MacBook Air 上，130,173 tokens 输入的 prefill 吞吐从 2193 tps 提升到 3029 tps。
- 作者还表示在更短上下文下速度更快，接近 1 万 tps。
「Infra」频道最新
- Anthropic S-1：训练基建优势使单任务成本降40%、营收增速翻倍 — BenBajarin · 2026-10-26
- 研究揭示合成数据最优比例随算力从10%升至32% — heghbalz · 2026-10-26
- 多州暂停新建数据中心，72% 美国人反对建在家门口 — YvesMulkers · 2026-10-26
- 500 万美元种子轮不够 DeepSeek 训一遍:没 GPU 的 AI 创业只剩三条路 — FinanceYF5 · 2026-10-26
- HBM 需求转向:低端推理砍单,Rubin 将全系 12-high HBM — BenBajarin · 2026-10-26
- CircuitHub 发布工厂级机器人 The Grid，美国产 PCB 提速两倍对标深圳 — garrytan · 2026-10-26