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
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- SF Compute 创始人：现在买算力是「绝对糟糕的体验」 — IgorCarron · 2026-09-11
- 开源 SmolVM:2026 年 Agent 不止用浏览器,而是拥有整台电脑 — aniketmaurya · 2026-09-11
- PyTorch Day Korea 2026 首届线下大会启动,9月13日截止征集演讲 — PyTorch · 2026-09-11
- 本地跑 LLM 选卡:4 张 CMP-170HX 涨价 vs Mac Studio M5 — rumboll · 2026-09-11
- llama.cpp 为 RDNA4 调优 Flash Attention,大上下文提升明显 — pmttyji · 2026-09-11