魔改 2080 Ti 跑 Qwen 3.8：NInfer 移植实现 456 tok/s
xrailgun · reddit · 2026-08-21
作者将原本针对 RTX 5090/Blackwell 的 C++/CUDA 推理引擎 NInfer 移植并调优到了 NVIDIA Turing 架构（sm75），具体目标是一块魔改版 22GB RTX 2080 Ti。
实测结果 (Qwen 3.8-27B MTP3, W8A16, Q8 KV)：
- 标准自回归 (MTP0)：约 25 tok/s。
- 推测解码 (MTP3, draft window=3)：约 456 tok/s（接受率约 65%）。
- 显存占用：约 17.5 GiB，剩余 4.5-5.0 GiB 可供 KV Cache 使用，支持约 128k 上下文。
项目支持 OpenAI/Anthropic 兼容的 HTTP 服务（含流式输出与函数调用），代码已在 GitHub 开源。
「Infra」频道最新
- 黄仁勋做客 BG2 播客:谈 AI 收入能否撑起 Capex 与 2027 瓶颈 — elonmusk · 2026-10-16
- Mistral 本地推理基建机架曝光:DGX Spark、Mac Studio 等混搭 — gregmushen · 2026-10-16
- 英伟达携手瑞典 Wallenberg，Launch 共享 AI 超算 Sferical One — nvidia · 2026-10-16
- 基础设施下一站:能自我进化、自我验证的自适应系统 — _shreya_s · 2026-10-16
- 小米 MiMo RL 训练曝光:30 步花掉 347 万美元 — bycloud · 2026-10-16
- Cerebras 用异构 prefill 池喂晶圆级引擎，解码速度与 batch 解耦 — ai · 2026-10-16