剪枝 512 至 288 专家，让 180B 模型跑上 Mac
EyalToledano · x · 2026-08-28
作者基于 Qwen3.8-Flash-Next (180B MoE) 进行了结构化剪枝实验。通过分析真实代码会话中的专家活跃度，将每层 512 个专家缩减至 288 个，并结合 MLX 4-bit 量化，最终在保持 91.5% HumanEval 准确率的同时，将显存需求降至 39GB（含流式加载 n-gram 表），使得在 Apple Silicon 上运行超大模型成为可能。
所属事件:开发者把 180B 级 Qwen MoE 剪枝压缩进 48GB Mac(9 条相关)→
「Infra」频道最新
- 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
- Shadeform 预告下周一发布六项新功能：降 GPU 成本、扩算力来源 — _jaydeepkarale · 2026-10-16