llama.cpp 新 PR 用 AVX2 加速大批量 IQ 量化推理
pmttyji · reddit · 2026-08-20
llama.cpp 社区提交了一个优化 PR，利用 AVX2 指令集显著加速了大批量场景下 IQ 量化模型的推理速度。基准测试显示，在 Qwen3.6-27B 和 35B-A3B 模型上，使用 IQ 系列量化（如 IQ3S, IQ2XS）时，Token 处理速度提升可达 6 倍至 12 倍以上，且对困惑度（PPL）影响极小。
「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