双R9700跑Qwen3-27B-FP8仅50 t/s，vLLM推测解码瓶颈排查
YehowaH · reddit · 2026-08-24
用户在 2 张 AMD R9700 AI Pro（TP=2，PCIe Gen5 x8，AMD Ryzen 5 7400 + DDR5-6000）上用 vLLM 部署官方 Qwen3-27B-FP8 并开启 MTP=3 推测解码，实际生成吞吐仅约 50 t/s，接受吞吐约 30 t/s，平均接受长度 2.7-2.8，草稿接受率约 60%。环境基于 andysalerno/r9700-serving 仓库（统一 aiter attention、ROCm 7.14、最新 vLLM/FlashAttention/aiter）。作者向社区求证该数字是否合理、瓶颈可能在哪。
「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