Qwen3-TTS 开源实现：H100 上首音 34ms、支持 10 RPS
Forsaken_Goal3692 · reddit · 2026-08-22
Nari Labs 开源了 Qwen3-TTS 1.7B 的高速实现，旨在解决本地模型响应慢的问题。在单张 H100 上，该实现可达 10 RPS（每秒请求数）且 P95 首音时间 (TTFA) 低于 50ms；调整设置后可达 20 RPS（TTFA < 100ms）。在 4090 上也能实现约 50ms 的 P95 TTFA。基准测试显示，其速度显著优于 vLLM-Omni 和 SGLang-Omni。
「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