RTX 3090 跑通 Qwen2.5-72B：预填 2000 tok/s
iamMess · reddit · 2026-09-01
开发者在 RTX 3090 上优化 Qwen2.5-72B (Qwen3.8-27B 指代) 推理，实现预填速度 2000 tokens/s、解码速度 132 tokens/s。核心改进是自定义内核，在 int8 下达到与 fp32 0.99997 的相似度，几乎无质量损失。作者认为解码速度已达当前极限，并提供了 GitHub 仓库供测试。
「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