RTX 3090 跑通 27B 模型+20 万上下文
MaziyarPanahi · x · 2026-09-01
MiaAI Lab 发布了 Qwen3.8-27B 的 EXL3 量化部署方案，结合 DFlash2 推测解码技术，实现了在 24GB 显存（如 RTX 3090）上运行 20 万上下文。项目包含启动脚本、配置和 OpenAI 兼容服务端，利用 NVFP4 KV 缓存最大化上下文吞吐。
「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