CPU 本地跑模型实测:35B MoE 量化版胜过 2B 小模型
ML-Future · reddit · 2026-09-08
楼主讨论本地 LLM 的未来:是走"超智能小模型"还是"超高效率大模型"路线,并分享了纯 CPU 实测数据。
- MiniCPM5 2B Q8:约 6 tokens/s(无视觉),但错误较多,体验不佳
- MoE 架构 Qwen3.6 35B Q2XXS:约 3 tokens/s,但输出质量明显更好、更可用
- 结论倾向:MoE + 极致量化的大模型在 CPU-only 场景下比小而全的稠密模型更划算
作者此前还发过 Qwen3.6 35B 无 GPU 可用的详细帖。
「Infra」频道最新
- 大厂全做 AI 沙箱,Modal 与 Daytona 靠盒外一层仍居增速榜前列 — FinanceYF5 · 2026-10-26
- Ant 招股书印证「算力是可互换商品」论:单一池动态调度 — BenBajarin · 2026-10-26
- SLC NAND 每 1% 份额增长需多 2% 晶圆产能,闪存或复刻 HBM 行情 — toptickcrypto · 2026-10-26
- NVIDIA Vera Rubin 训 10T 模型只需 1.6 万卡，较 GB200 省 75% GPU — teortaxesTex · 2026-10-26
- Anthropic S-1 自曝：曾多次严重低估算力需求，导致产能受限拖累产品 — JosephJacks_ · 2026-10-26
- Anthropic 算力协议规模暴涨至最高 1205 亿美元 — teortaxesTex · 2026-10-26