前端模型服务成本归零，8GB 显卡运行 Qwen3.6
berkeley_ai · x · 2026-08-22
通过优化内存和计算，消费者级 GPU 已能以前沿模型速度运行本地服务。实测显示：Qwen3.6 35B 在 8GB RTX 4060 笔记本上达 39 tok/s，DeepSeek-V4-Flash 284B 在 RTX 5090 上达 22-25 tok/s，GLM-5.2 753B 在 RTX PRO 6000 上达 15 tok/s。这大幅降低了构建智能体工作流的门槛，使开发者能以接近零的成本运行 Claude Code 或 Codex。
所属事件:伯克利MIT开源FreeToken：消费级PC本地跑前沿MoE大模型(11 条相关)→
「Infra」频道最新
- 推理平台 engy.ai 单日处理超 500 亿 tokens,主打低价开源模型 — const_reborn · 2026-10-16
- 新推理引擎『e』单台 DGX Station 跑出 10500 tok/s 聚合吞吐 — brandon_galang · 2026-10-16
- SGLang Day-0 支持 FLUX 3 Image Klein：单图 10 参考图，BF16/FP8/NVFP4 多精度 — ying11231 · 2026-10-16
- 英伟达 Nemotron 3.5 Super VL 上线 CoreWeave：12B 激活参数多模态 MoE，输入仅 $0.25/百万 tokens — wandb · 2026-10-16
- 2026 晶圆厂设备支出上调至 1530 亿美元，设备周期被拉长 — BenBajarin · 2026-10-16
- Steam 更新实测 5.23 秒启动反超 Epic，网友调侃 vLLM 该加入「启动时间大战」 — AlpinDale · 2026-10-16