单卡 RTX 5090 跑 Qwen3.8-27B 262K 上下文实测
Fz1zz · reddit · 2026-08-23
作者分享了在单张 RTX 5090 上运行 Qwen3.8-27B (NVFP4 量化) 的详细配置与性能数据。实测显示，在开启 FP8 KV 和前缀缓存的情况下，模型可在 32GB 显存中完整载入 262K 上下文，短上下文解码速度达 77 tok/s，128K 时降至 64.7 tok/s。前缀缓存带来了 22 倍的速度提升。
「Infra」频道最新
- 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
- Shadeform 预告下周一发布六项新功能：降 GPU 成本、扩算力来源 — _jaydeepkarale · 2026-10-16
- Fastino 推出后训练 API：兼容 Tinker SDK，成本降 25%-85% — kalyan_kpl · 2026-10-16
- 达拉斯联储估算：AI 数据中心举债约占期限供给八分之一 — _onionesque · 2026-10-16
- 12GB 笔记本显卡硬跑 Wan2.1 14B FP16:内存交换压测 4 分 11 秒出片 — RYuu-1120 · 2026-10-16