为何 Llama.cpp 中增大上下文反而提升了推理速度？
satnl · reddit · 2026-09-01
用户在 RX 9070 XT 上运行 Qwen 模型时发现异常：使用 131072 上下文时的推理速度（PP 778.91 t/s, TG 40.68 t/s）远快于 65536 上下文（PP 137.87 t/s, TG 13.36 t/s）。提供了详细的启动参数和日志，询问是否触犯了特定规则导致小上下文性能崩塌。
「Infra」频道最新
- 覆盖 Bedrock/Azure/Vertex 三万条价格，开发者做出云端模型变动雷达 — jsandhu0780 · 2026-10-18
- 1270万 tokens 仅花 0.14 美元，缓存命中率 99.6% 的 agent 实测 — teortaxesTex · 2026-10-18
- 单卡 9060 XT 16GB 跑 Qwen3 27B：262k 上下文 42.7 tps — Maglcite · 2026-10-18
- SlateDB+Lance+Datafusion 自建数据栈,为客户年省数百万美元 — sh_reya · 2026-10-18
- 视频生成 API 每 10 秒约 0.5 美元,自建服务器何时更划算? — Key-Lychee-913 · 2026-10-18
- vLLM 联手 NVIDIA 优化 Kimi K3:GB300 上解码达 842 tokens/s — vllm_project · 2026-10-18