单卡4090跑Qwen 27B：KV缓存量化后上下文冲上35万
UDPSendToFailed · reddit · 2026-08-17
开发者 UDPSendToFailed 更新了其 fork 的推理引擎 NInfer，为 KV 缓存新增 rk2v4-e8 量化选项，可在单张 RTX 4090 上运行 Qwen 27B 模型时把上下文窗口做到 25 万-35 万 token，全程不溢出到系统内存；是否启用视觉、MTP 等配置会影响实际上限。
在较低上下文设置下他还做了生成速度优化，代码、数学等重复性任务可达约 80-160 token/s。项目已开源在 GitHub（UDPSendToFailed/ninfer-4090），作者欢迎反馈运行时问题。
「Infra」频道最新
- 本地 AI 不是隐私功能而是路由问题：任务该跑在笔记本、内网还是云端 — bigdata · 2026-10-16
- 把 Agent 工作从 GPU 挪回 CPU，让动作更持久可预测 — cramforce · 2026-10-16
- 首个 TPUv7 Agent 基准成绩:vLLM 服务下每美元性能超 GB300 NVL72 达 1.42 倍 — vllm_project · 2026-10-16
- Phison CEO 称 CXMT 内存恐慌是“市场鬼故事”，明年的问题是缺料不缺单 — BenBajarin · 2026-10-16
- Ben Bajarin：算力未来是可互换的，超大规模厂商正为工作负载自由布局 — BenBajarin · 2026-10-16
- AirLLM 逐层加载：2.8 万亿参数模型宣称跑进 4GB 显存 — Aiden_Tech_Ai · 2026-10-16