实测 Qwen3.8-27B 在 16GB 显存下的 13 万上下文性能
BuffMcBigHuge · reddit · 2026-08-20
作者在 RTX 4080 16GB 上测试了 Qwen3.8-27B 模型的长上下文性能。通过使用 llama.cpp 的 DFlash2 分支、ngram-mod 采样策略以及 MTP (Medusa Thought Proposal) 推测解码技术，成功在保持推理速度的同时将上下文长度扩展至 131k。文章对比了不同配置（如 IQ3XXS 量化、缓存设置）的效果，并提供了完整的启动命令参数。
「Infra」频道最新
- Muse Spark Open 经 llama.cpp 跑通 M3 Ultra：前沿模型上桌面 — pcuenq · 2026-10-16
- Muse-Spark 开源权重发布：816B MoE 模型 MLX 3bit 版已上线 — ns123abc · 2026-10-16
- vLLM 实现 Muse Spark Open Day-0 LoRA RL，AIME 从 0.56 提至 0.85 — vllm_project · 2026-10-16
- Inferact 为 Muse Spark Open 训练 DSpark 草稿模型，一次最多出 7 个 token — vllm_project · 2026-10-16
- Cloudflare Stream WebRTC 低延迟直播正式 GA,可扩展至百万观众 — ritakozlov · 2026-10-16
- YC 孵化 Overshoot 主打推理优化：已帮客户省超 500 万美元 GPU 账单 — ycombinator · 2026-10-16