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。
「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