RTX 5090 多机跑 Qwen3.8 BF16 实测
stargate425 · reddit · 2026-08-31
在 RTX PRO 6000、RTX 5090 和 Mac Pro 上通过 llama.cpp RPC 分布式运行 Qwen3.8-Flash-Next BF16 (无量化)，解码速度 6.43 t/s。发现仍有 39GB 溢出到内存，正通过 RPC 统计排查 155ms/token 中的网络延迟瓶颈。
「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