RTX 6000 Pro 运行 Qwen 3.8 27B 最佳配置探讨
vhthc · reddit · 2026-08-25
作者分享了在单张 RTX 6000 Pro 上运行 Qwen 3.8 27B BF16 版本的 llama-server 配置，支持 256kb 上下文。关键设置包括启用 draft-mtp 推测解码（约 2 倍提速）、关闭 mmap 以规避 ZFS/OOM 问题。当前生成速度为 50-60 t/s，长提示词处理达 3000 t/s。作者正考虑迁移至 vllm 或 sglang 以获得更好的模型切换性能，并寻求优化建议。
「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