实测 30B 模型跑出 114 tps，优化后有望在 16G 显存运行
tokenbender · x · 2026-08-10
开发者 @tokenbender 分享了其在本地大模型推理优化上的最新测试结果。通过使用调整过的量化（tuned quants）和 dflash 技术，Muse Glimmer 30B 模型达到了 114 tokens/s 的推理速度。
这一进展让他有信心进一步剥离模型的智能体能力，使其最终能够在显存不足 16G 的消费级硬件上流畅运行。
所属事件:Meta开源30B模型Muse Glimmer，主打本地智能体(108 条相关)→
「Infra」频道最新
- Zero 下一代 IVM 引擎塞进单个 DO，实时查询 R2 上 100GiB 数据库 — threepointone · 2026-10-16
- Aziz 梗图开玩：2028 年自己开 Roadster 去芯片工厂提货 — beffjezos · 2026-10-16
- 一个人维护 40 亿台设备的时钟：时区数据库背后的志愿者 — danbri · 2026-10-16
- 4x DGX Spark 跑 DeepSeek V4.1 Flash 实测：内存根本不够，494 t/s 有水分 — Aroochacha · 2026-10-16
- 开发者开源 Intel GPU Vulkan 推理升级:部分路径摄取提速 2 倍 — Fun-Aardvark-1143 · 2026-10-16
- ELSFP 光封装三大痛点：插损超 3dB、PMF 贵且难装、洁净间要求高 — jwt0625 · 2026-10-16