Exllamav3 实测：8x3090 跑出 700tk/s
Leflakk · reddit · 2026-09-02
用户在 8x3090 配置上实测 Exllamav3 引擎运行 GLM 5.3 Flash (Q4 量化)，预填充速度达 700 tokens/s，解码速度 42 tokens/s，性能优于 lcp 与 vllm，且处理 3000 万 tokens 未遇质量问题。
「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