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
- Meta 开源 816B 参数 Muse Spark Open,两台 Mac Studio 即可本地跑 — gabriberton · 2026-10-16
- 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