单卡 6000 跑 26 万 Token：KV 量化实战
AIFlow_ML · x · 2026-08-28
通过在单张 RTX PRO 6000 上使用 Qwen 3.8 Flash 配合 NVFP4 和 ngrams 技术，成功分配约 26 万 token 的 KV Cache（FP8）。为了流畅处理多个子智能体，计划实施 KV Cache 量化策略：将 Value 限制为 NVFP4 而 Key 保持在 FP8，以最小化对 Softmax 的负面影响。
「Infra」频道最新
- 微软深度优化 Windows 迎接 Nvidia RTX Spark：两步装好本地 AI agent — tomwarren · 2026-10-15
- 微软联手Nvidia优化Windows,为RTX Spark Arm笔记本铺路 — The Verge AI · 2026-10-15
- 全球智能手机出货量暴跌 22%,创史上最大季度跌幅,元凶是 AI 抢内存 — Polymarket · 2026-10-15
- SK 海力士再跌 11%:已低于 2027 财年预期利润 3 倍市盈率 — JOBhakdi · 2026-10-15
- ASML 高管:「我们在欧洲一台光刻机都卖不出去」 — NinaDSchick · 2026-10-15
- Nvidia 将 SPCX 归入「超大规模」类，云厂商依赖度暗藏变数 — RihardJarc · 2026-10-15