llama.cpp 分支合并 Qwen3.8-Flash 支持，5090 上 Q4 量化跑出 44 tks
giveen · reddit · 2026-08-28
开发者 giveen 向 TheTom/llama-cpp-turboquant 提交 PR（#324），从上游 vLLM PR #27742 移植了 qwen4exp（Qwen3.8-Flash-Next） 的支持。实测在 RTX 5090 上以 Q4 量化并启用 --moe-cache auto，达到约 44 tokens/s 的生成速度。
「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