单卡 GH200 跑 Qwen3：64 并发吞吐 3.3k tokens/s
MaziyarPanahi · x · 2026-08-15
实测数据显示，Qwen3-8B-27B-FP8 模型在单张 Nvidia GH200 上表现强劲：
- 吞吐量：64 个并行请求下达到 3300 tokens/s。
- 延迟：首个流式响应事件在 10ms 内落地。
- 规模：支持 10 路并发流式请求，最大输出 16K tokens，上下文长度 262K。
- 稳定性：所有请求均正常完成。
测试基于 vLLM 框架与 Lambda API 环境。
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
- 黄仁勋披露：每 GPU 年收约数千美元软件费，成 NVIDIA 重要收入线 — rohanpaul_ai · 2026-10-16
- 开发者亲测：几万块 V100 本地部署 DeepSeek，不如直接订阅 Claude — lxfater · 2026-10-16
- 公开喊话 neocloud：我愿买 3 万美元 GPU 算力，给个折扣吗 — Sauers_ · 2026-10-16
- 拿到新硬件就开跑：垃圾佬第一时间本地部署模型 — lxfater · 2026-10-16
- Together AI 提出 Score Centering:量化推理下 RL 训练不再崩 — nrehiew_ · 2026-10-16
- AI 推理正走向异构分解:Prefill 与 Decode 分用专用芯片 — AccBalanced · 2026-10-16