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
- Intel 发布 2026 财年第二季度财报，算力链开始关注 — BenBajarin · 2026-07-24
- 英特尔 Q2 大超预期，全年资本开支上调至 200 亿美元 — zephyr_z9 · 2026-07-24
- 5种LLM量化技术详解：如何在单GPU运行70B模型 — Roger_M_Taylor · 2026-07-24
- AMD HBM4 单针速率低于 Nvidia 的 10.7 Gbps 说法 — zephyr_z9 · 2026-07-24
- Google 传出正为 Gemini 开发超高效 AI 芯片 — Deep-Owl-1890 · 2026-07-24
- Vercel Eve × agentOS 主打 4.8 毫秒冷启动的 WebAssembly 运行时 — cramforce · 2026-07-24