Qwen3.8-27B 在单张 GH200 上跑出 129.8 tok/s
MaziyarPanahi · x · 2026-08-21
Qwen3.8-27B (BF16) 模型在单张 NVIDIA GH200 上实现了 129.8 tokens/s 的推理速度。测试采用 vLLM 框架配合 DFlash2 技术栈：在单流请求场景下，该组合比普通自回归推理快 2.18 倍，比 MTP-3 快 9.4%。
所属事件:Qwen3.8-27B 单张 GH200 跑出 129.8 tok/s(3 条相关)→
「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