Mac M4 Max 运行 Qwen 3.8 27B：代码生成达 72 tok/s
TheMoonMidas · x · 2026-08-22
开发者分享在 Mac Studio M4 Max 上优化运行 Qwen 3.8 27B 模型的方案。通过使用 oMLX 0.6.3rc2 框架，结合 ANE (Apple Neural Engine) 进行 Prefill 加速和原生 Multi-Token Prediction (MTP, k=3) 技术，实现了显著的性能提升。实测数据显示：
- 代码生成速度：72.1 tok/s
- 文本生成速度：53.3 tok/s
- Prefill 速度：274 tok/s (提升 3.3 倍)
相比之前的最佳方案，解码速度提升约 11%。所有测试均基于本地环境，无云端调用，并在 GitHub 开源了具体的 Benchmark 数据和配置。
「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