Qwen3.8 Flash 在双 DGX 上跑出 415 tok/s
NVIDIAAI · x · 2026-09-01
在 2 台 DGX Spark 上使用 NVFP4 格式运行 Qwen3.8 Flash Next，测试了 64 个并发用户。在 78.82 秒内生成了 32,768 个输出 token，吞吐量达到 415.7 tok/s。测试显示 64K/user 的可用上下文通过且零泄露，但这属于压力测试而非生产环境配置。
「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