网友实测称 ExLlamaV3 被低估:同体积量化质量更高、更快
Embarrassed_Soup_279 · reddit · 2026-09-08
Reddit 用户发帖称本地推理后端 ExLlamaV3 (ExL3) 被严重低估:与 llama.cpp 相比,自测显示其量化质量更高、KLD 指标更低、速度更快(仅限 NVIDIA 卡)。近期新增 CPU MoE offload 可能是此前用户少的原因,之后更新频繁。
- 作者日常组合:tabbyAPI exl3 后端 + qwen3 27B SC 6bpw H6、qwen3 flash-next 4bpw
- 强调这只是个人测试集,不是标准基准
- 呼吁更多人关注并尝试该项目
「Infra」频道最新
- 曝 Anthropic 与 SpaceX 签算力大单:每月 31 亿美元,至 2029 年共 1205 亿 — ns123abc · 2026-10-27
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- 要么人力商品化，要么 GPU 商品化：算力经济二选一之辩 — _AustinCalvert_ · 2026-10-27
- DeepSpeed 发布 AutoEP/AutoTP 等并行化进展并办线上答疑 — PyTorch · 2026-10-27
- 9B 本地模型干机械活,规划交给大模型:一套省 token 的编程 agent 分工法 — Electrical_Ninja3805 · 2026-10-27