Qwen3.8-Flash在DGX Spark上的量化优化配方：int4量化+RDMA，代码47.5t/s
Saren-WTAKO · reddit · 2026-08-31
作者分享了在单块GB10/DGX Spark上运行Qwen3.8-Flash的配方，使用Intel AutoRound int4量化、vLLM，并将fp8 ngram表卸载到本地SSD或外部RDMA服务器。提供了详细的性能数据：代码生成约47.5t/s，JSON约60t/s，并讨论了MTP带来的额外TTFT问题。
「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