Qwen2.5-72B 本地推理：35 tok/s vs 65 tok/s 配置解析
LittleCelebration412 · reddit · 2026-09-01
用户对比了 Qwen2.5-72B（注：标题更正为 72B）在 RTX 3090 上的两种推理速度配置（35 tok/s vs 65 tok/s）。差异主要来自量化精度（Q5 vs Q4）、KV 缓存（Q8 vs Q4）、并发槽位（4 vs 1）以及多令牌预测（MTP）开关的设置，涉及速度与质量/显存的权衡。
「Infra」频道最新
- 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
- Valtz 新版支持 FLUX.3，Mac 本地生图最高 4K 分辨率 — TgoAI · 2026-10-16
- 百度开源 FlashMask：长上下文训练最高比 FlashAttention-4 快 1.55 倍 — BaiduResearch · 2026-10-16
- 独立开发者 GYRO 量化实测：体积更小却达 ISTA Q3 水平 — PlasticRevenue4601 · 2026-10-16
- RL 训练系统已成前沿建模最复杂的基建难题,_best_方案是商业机密 — brianryhuang · 2026-10-16