扩展版 Garlic 让 Qwen3.5 35B A3B 在 RTX 5060 Ti 上跑到 55 tok/s
Azazelionide · reddit · 2026-07-24
有人实测把 Qwen3.5 35B A3B float8 跑到了 RTX 5060 Ti 上，速度达到 55 tok/s；如果不录屏，能到 61 tok/s。
这套方案基于扩展版 Garlic 和一些 Gated Delta Network kernel 改动。作者称，这个结果明显快于用 llama.cpp 跑同一模型的 Q8 量化版本。
他还补充说，这还是没用 MTP 的速度；如果加上 MTP，生成还能继续提速。作者后续会发博客解释具体技巧。
「Infra」频道最新
- NVIDIA 称 Nemotron 3 Ultra 在 RTL 芯片设计任务上达 97.1% — NVIDIAAI · 2026-07-27
- 本地 Qwen 模型驱动机械臂测试 78 款手机续航 — gappyvalley · 2026-07-27
- MiniBot 2.40 新增 xAI、HF Studio 和 vLLM 支持 — Creative-Type9411 · 2026-07-27
- 苹果智能眼镜、英伟达SK合作与携程51.79亿罚单汇总 — APPSO · 2026-07-27
- DeepSeek 融资传闻、欧盟 AI 透明度规则与 OpenAI 安全事故 — 创业邦 · 2026-07-27
- QuixiCore 主张原生量化内核取代先反量化再执行 — QuixiAI · 2026-07-27