硬核实战：4080 显卡运行 182B Qwen 模型达 8 tok/s
Desperate-Data-3747 · reddit · 2026-08-31
用户通过将 ngrams 卸载至 SSD，在 4080 + 64GB 内存配置下成功运行 182B 参数的 Qwen Flash Q4KM 模型，速度约 8 tok/s，支持 98k 上下文。实测其表现优于 Qwen3.8 27B，并提供了完整的 llama.exe 启动命令参数配置。
「Infra」频道最新
- 同样 1000 个 Cloudflare Durable Objects，月成本从 4050 美元压到 22 美元 — threepointone · 2026-10-16
- NVIDIA 发布 Qwen3.8-Flash FP4 量化版，主打本地部署 — nvidia · 2026-10-16
- 百度提出 Virtual Head Attention：同时压 KV cache、算力并保质量 — baidu · 2026-10-16
- DuoDiscover 让 Agent 自建快速评估代理，TPU 内核提速 2.68 倍 — berkeley_ai · 2026-10-16
- Google 将 2026 年资本开支上调至最高 2050 亿美元 — emmanuelvivier · 2026-10-16
- Google 开源 AX:像 Kubernetes 一样编排数十亿 Agent 任务 — thisdudelikesAI · 2026-10-16