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
- 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