8 张 3090 跑 SlimServe：262k 上下文每秒 661 token
QuixiAI · x · 2026-08-27
用户 QuixiAI 分享用 8 张 RTX 3090 搭配 SlimServe 推理服务的实测：Qwen 3.8 Flash Next（Next 预览版）在并发 c1 时约 150 tok/s，c32 并发下最高 661.1 tok/s，同时维持 262k 上下文长度。显示了消费级退役卡集群跑长上下文推理的可行性。
「Infra」频道最新
- Bloomberg 算账:得州 AI 数据中心 1GW 场地建设成本失控 — rohanpaul_ai · 2026-10-15
- 系统设计面试必懂的 7 个分布式算法 — goyalshaliniuk · 2026-10-15
- 面壁 MiniCPM-V 4.7 端侧跑 35B 多模态,仅 3GB 内存、每 token 激活 3B — nevrekaraishwa2 · 2026-10-15
- Sipeed MaixStation 产品页上线，端侧 AI 开发套件来了 — xlltt · 2026-10-15
- 英伟达市值已超过印度整个股市 — theteknosaur · 2026-10-15
- 实测 Apple Silicon GEMM 性能:M6 矩阵单元 fp8 达 fp16 两倍,M5 不支持 — Brilliant-Hall1387 · 2026-10-15