Qwen 3.8 将推新引擎：支持动态量化与 NVMe 流式
MgkMshrmBrkfst · x · 2026-09-01
HamsterResearch 团队正在为 Qwen 3.8-Flash-Next 构建定制 MLX 引擎，主要特性包括：只需下载一次 bf16 分层模型，运行时可根据需求动态量化至 bf16/q8/q4/q3；支持从 NVMe 调整 n-gram 流式传输；可调整专家驻留内存比例。该引擎旨在实现 130-150 tok/s 的聚合解码速度，以支持子 Agent 的高效运行。
所属事件:Qwen3.8-Flash-Next 搭载 pMLX 引擎：小显存跑大模型(3 条相关)→
「Infra」频道最新
- 论文：LLM 竞价采购平台可省 10%-71% 推理成本 — _onionesque · 2026-10-18
- 560B MoE 塞进 4 台 DGX Spark:Ling 3.1 Flash 用 llama.cpp RPC 跑通 — BerryBlush_Rogers691 · 2026-10-18
- SGLang Summit 赞助商一周从 11 家涨到 36 家 — ying11231 · 2026-10-18
- Oracle CDS 飙至 300bps 创纪录，被称 AI 交易倒下的第一块多米诺 — arthurcolle · 2026-10-18
- MIT 团队实测:agent 编码用量若按 API 计费每月高达 4 万美元 — ChrisRackauckas · 2026-10-18
- 越狱 PS5 跑 llama.cpp:开源 PS5LM 让主机变身家庭本地 LLM 服务器 — wateriscoding · 2026-10-18