Qwen3.8 优化：磁盘流式加载实现 40 tok/s
samfajreldines · x · 2026-08-29
EyalToledano 分享了对 Qwen3.8-Flash-Next 的优化突破。通过将 60% 的专家模型存储在磁盘上并根据需求流式传输到内存（类似于 n-gram streaming 技术），在 M4 Max 上仅用 37GB 内存即可运行完整专家模型，解码速度达到 40 tok/s。
所属事件:Qwen3.8-Flash-Next 低显存推理优化方案引热议(4 条相关)→
「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