单卡 GH200 跑出 3323 tok/s 极限推理
MaziyarPanahi · x · 2026-08-12
开发者 MaziyarPanahi 分享了一项极限推理测试：在单张 NVIDIA GH200 上，使用 vLLM 0.26、BF16 精度和 FlashAttention 3，将 Muse Glimmer 30B 模型跑出了 3,323 tok/s 的惊人速度（支持 131K 上下文）。
他同时开放了临时 API 供公众免费测试，邀请大家发送高难度问题来测试模型极限。
所属事件:单张GH200跑出3323 tok/s极限推理(3 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