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
- 用 Sail 等价性证明与 riscv-coq 交叉验证 RISC-V 规范,发现真实 bug — xennygrimmato_ · 2026-10-27
- xAI Colossus 1 数据中心 FP64 算力约 14.6 exaflops,达 Top500 榜首 5 倍 — cis_female · 2026-10-27
- Lambda 实测 NVIDIA DSX MaxLPS：同等电力多跑 3 节点，吞吐提升 24% — TheZachMueller · 2026-10-27
- 新播客：Micron HBM 路线图、Meta AI 基建与 NVIDIA 供应链掌控 — BenBajarin · 2026-10-27
- SGLang MegaKernel+PD 发布：高并发吞吐与低延迟兼得，TCO 大幅优化 — AccBalanced · 2026-10-27
- 自托管 Convex 扩容实战：把 TypeScript 函数编译成 WASM — leventov · 2026-10-27