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
- NVIDIA 称 Nemotron 3 Ultra 在 RTL 芯片设计任务上达 97.1% — NVIDIAAI · 2026-07-27
- 本地 Qwen 模型驱动机械臂测试 78 款手机续航 — gappyvalley · 2026-07-27
- MiniBot 2.40 新增 xAI、HF Studio 和 vLLM 支持 — Creative-Type9411 · 2026-07-27
- 苹果智能眼镜、英伟达SK合作与携程51.79亿罚单汇总 — APPSO · 2026-07-27
- DeepSeek 融资传闻、欧盟 AI 透明度规则与 OpenAI 安全事故 — 创业邦 · 2026-07-27
- QuixiCore 主张原生量化内核取代先反量化再执行 — QuixiAI · 2026-07-27