拆分 GPU 虚拟机，Ollama 推理速度提升约 3 倍

NicolaZanarini533 · reddit · 2026-08-24

作者分享了优化 Ollama 推理性能的实践经验：将原本在单个虚拟机中池化的 3 张 GPU（2x RTX PRO 4000, 1x RTX PRO 2000）拆分为两个虚拟机（一张独占，两张池化）。测试结果显示，Qwen2.5-72B 的生成速度从 12.2 tok/s 提升至 33.91 tok/s，muse-glimmer-30B 也有显著提升。这一改动打破了“池化速度差异不大”的惯性思维，证明了资源隔离在高负载下的优势。