DeepSeek-V4-Flash 在两张 4090D 上跑到 105 tok/s
iSevenDays · reddit · 2026-07-24
一位 Reddit 用户分享了在两张 Nvidia 4090D 48G 上跑 DeepSeek-V4-Flash 的实战结果：借助 vLLM 和 Triton，把原本偏 Blackwell 的 kernel 重新实现后，速度做到约 105 tok/s。
要点包括：
- 为 sm89 重新做了 DeepGEMM、FlashInfer sparse-MLA、block-scaled FP8 等路径。
- 机器是启用 P2P patch 的 Dell R740。
- 他称这种方案在并行 agent 工作负载下吞吐比 llama.cpp 高 2–3 倍。
- 还给出了 vLLM 和 llama.cpp 两套部署命令，并声称可达到约 262k 上下文。
这条更像是一份把新模型“硬塞进旧卡”的推理优化实战报告。
「Infra」频道最新
- 全同态加密 GPT-2 速通赛开跑:现纪录 3.031 秒/token — tensorqt · 2026-10-27
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- Together 推出并行 LoRA 实验：多个实验共享同一批 GPU，免重复配置 — togethercompute · 2026-10-27
- 要么人力商品化，要么 GPU 商品化：算力经济二选一之辩 — _AustinCalvert_ · 2026-10-27