DGX Spark 实测：DeepSeek V4 Flash 跑通 90 万 token 长提示
jtsaint333 · reddit · 2026-08-29
作者用 4 台 DGX Spark(两组 ConnectX-7 对)实测多款新模型的本地方案，结果为本地一手数据：
- DeepSeek V4 Flash(2 卡 TP2 + vLLM、NVFP4 MLA KV、MTP5)实现 1M 服务上下文，实测通过 899,994 token 的提示词，但速度不占优，high thinking 下 24 题批次耗时超 1 小时、成功率掉到 20/24。
- Qwen3.8 Flash Next 表现最佳：medium thinking 拿到 22/24 最高分，off 模式仅 1:22 完成全批且输出极简(8,861 token)。
- Qwen3.8-27B off 模式吞吐最高(190 delivered tok/s),low thinking 多花 3.82 倍时间只换来多对一题。
- Qwen3.6-35B-A3B 单卡可达 c16 并发 784 tok/s 聚合吞吐，32K 上下文下 12 题编程子集 11/12。
操作层面的结论比单次分数更有价值：高/超高 thinking 档在这个任务集上是反效果——xhigh 输出 token 是 medium 的 3 倍多反而分数更低；DeepSeek high 同样更差。作者强调这些是部署参考点，不是架构归一化的排行榜。
「Infra」频道最新
- 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
- Fastino 推出后训练 API：兼容 Tinker SDK，成本降 25%-85% — kalyan_kpl · 2026-10-16
- 达拉斯联储估算：AI 数据中心举债约占期限供给八分之一 — _onionesque · 2026-10-16
- 12GB 笔记本显卡硬跑 Wan2.1 14B FP16:内存交换压测 4 分 11 秒出片 — RYuu-1120 · 2026-10-16