llama.cpp 在 GPU offloading 的 MoE 测试里，E 核比 P 核更快
dir3ctly · reddit · 2026-07-25
- 作者在一套混合架构的 Intel CPU + RTX 5090 机器上测试 llama.cpp，重点观察 CPU pinning 和 GPU/CPU offloading 对大模型推理吞吐的影响。
- 他的实测结果很反直觉：只用 E 核反而更快。
- 0–23 核全开：19.8 tok/s
- 仅 E 核（12–23）：22.7 tok/s
- P 核 + 部分 E 核（0–11）：15.6 tok/s
- 帖主想弄清楚为什么 P 核参与后性能下降，认为瓶颈可能在内存带宽，并补充了 Docker cpuset-cpus、CUDA 13、Qwen 3.5 122B A10B、长上下文等测试条件。
- 这是一条很典型的本地推理调优/排障讨论，核心价值在于 heterogeneous CPU 行为和 offloading 实测。
「Infra」频道最新
- DeepSpeed 发布 AutoEP/AutoTP 等并行化进展并办线上答疑 — PyTorch · 2026-10-27
- Cloudflare Durable Objects 被验证为 AI agent 高并发场景优选架构 — tristanbob · 2026-10-27
- Gary Marcus:补上 Q3 数据后，Anthropic 算力效率增速现拐点 — GaryMarcus · 2026-10-27
- SpaceX 锁定 400 亿美元 GPU 融资，号称史上最大规模 — TechCrunch AI · 2026-10-27
- 推理社区与 K8s 社区高度重合：万亿市场的 Kubernetes 翻版 — matt_slotnick · 2026-10-27
- vLLM 考虑将更多栈迁往 Rust，推理引擎 Rust 化成趋势 — AccBalanced · 2026-10-27