RTX 3090 上 Qwen3.8-27B 推理提速至 381 tps
iamMess · reddit · 2026-08-21
作者分享了其 Qwen3.8-27B 推理引擎的最新优化成果，在 RTX 3090 上实现了 382 tps 的文档复现速度。关键优化包括：
- 更长验证块：将验证块增至 16 tokens，利用 lookup drafter 填充空槽，文档引用场景下接受率达 15/16。
- 突破 64K 上下文：通过 int8 KV cache 和调整滑动窗口层块大小，将上下文支持从约 7 万扩展至 13.8 万 tokens。
作者诚实地修正了之前的测试数据，指出量化缓存会导致 MTP 接受率下降（从 2.56 降至 2.38），导致长文本下解码开销增加 2.13 倍。该模式适用于 RAG 和代码编辑等高频引用场景，而非通用对话。
所属事件:RTX 3090 上 Qwen3.8-27B 推理提速至 381 TPS(2 条相关)→
「Infra」频道最新
- AWS 为 1.6 万 API 构建 MCP 服务器，探讨 Agent 泛滥与架构极简主义 — dsp_ · 2026-08-21
- 对标以太坊？深度解析去中心化 AI 算力代币 TAO 的经济模型 — bittingthembits · 2026-08-21
- 员工私自连 AI 存隐患，Merge API 推 DLP 防泄露 — shensi · 2026-08-21
- 超大规模云厂商的「吵闹邻居」问题凸显私有云优势 — DavidLinthicum · 2026-08-21
- CoreWeave 获 Hudson River Trading 数十亿美元算力大单 — _ScottCondron · 2026-08-21
- 预测市场：年底 AI 泡沫破裂概率仅 14% — Polymarket · 2026-08-21