Qwen3.8-27B-FP8在GH200上实现10路并发流式推理，首包延迟10ms
MaziyarPanahi · x · 2026-08-15
Lambda 用户 MaziyarPanahi 实测：Qwen3.8-27B-FP8 模型在单块 NVIDIA GH200 上，通过 vLLM 同时处理 10 个真实请求，流式输出，每个请求最大输出 16K tokens，上下文长度 262K。首个流式事件在 10ms 内到达，所有请求均正常完成。
所属事件:单卡GH200跑Qwen 27B：10路并发首包10ms(5 条相关)→
「Infra」频道最新
- 用 Void 加 fate 一天搭出完整 vibe coding 平台并部署到 Cloudflare — cnakazawa · 2026-10-16
- 开源 VibeZero:用 agent 一把生成整套可部署的 vibe coding 平台 — cnakazawa · 2026-10-16
- CoreWeave 债务成本大幅下降:DDTL 利差从 S+9.62% 收窄至 S+2.25% — BenBajarin · 2026-10-16
- 软银筹备 SB Energy 与机器人子公司 Roze 美国上市,估值或超 500 亿美元 — nordicinst · 2026-10-16
- TRL 复现 Modal 混合精度 RL 训练：GRPO 150 步崩塌，SC+MIS 稳到 0.72 — QGallouedec · 2026-10-16
- Hugging Face 开源印度语系预训练管线:2.8 万亿 token 数据 — Hugging Face Blog · 2026-10-16