本地 LLM 推理的可用基线是 8-bit KV cache 加 4-bit 权重
max_paperclips · x · 2026-07-24
这篇文章总结了本地 LLM 推理的“最低可用”量化基线：8-bit KV cache + 4-bit 权重，在多数场景下可保留 94–99% 的 BF16 质量。
- 低于 4-bit 权重 后，质量会明显下滑。
- 低于 8-bit KV cache 的方案大多仍停留在研究级。
- REAP 主要适用于 MoE，且经常带来质量退化。
- INT4 在推理、数学、代码任务上都有可测的损失。
- 质量大致呈现为：FP8 > INT8 > Q5KM > Q4KM > Q2K。
「Infra」频道最新
- 大厂全做 AI 沙箱,Modal 与 Daytona 靠盒外一层仍居增速榜前列 — FinanceYF5 · 2026-10-26
- Ant 招股书印证「算力是可互换商品」论:单一池动态调度 — BenBajarin · 2026-10-26
- SLC NAND 每 1% 份额增长需多 2% 晶圆产能,闪存或复刻 HBM 行情 — toptickcrypto · 2026-10-26
- NVIDIA Vera Rubin 训 10T 模型只需 1.6 万卡，较 GB200 省 75% GPU — teortaxesTex · 2026-10-26
- Anthropic S-1 自曝：曾多次严重低估算力需求，导致产能受限拖累产品 — JosephJacks_ · 2026-10-26
- Anthropic 算力协议规模暴涨至最高 1205 亿美元 — teortaxesTex · 2026-10-26