在 48GB Mac 上运行 104B Qwen3 模型，速度约 12 tok/s
yogthos · reddit · 2026-09-02
Reddit 用户分享了在 48GB 内存 Mac 设备上运行 Qwen3 8B Flash Next 模型（量化后约 104GB）的实践，推理速度达到每秒约 12 个 token。
相关实现基于 GitHub 上的 slotstream 项目。该方案展示了在受限显存/内存环境下通过量化技术运行较大参数模型的可行性。
「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