自搭 CPU/NVMe/GPU 混合推理,把 460GB DeepSeek 预填速度提升 4.4 倍
HankYeomans · x · 2026-09-25
作者分享本周用 DeepSeek MXFP4 量化版（约 460GB）自建 CPU/NVMe/GPU 混合推理系统的实验结果：
- 性能提升：prefill 从 216 tok/s 提升到 960 tok/s；首 token 后生成速度从 13 tok/s 提到 42 tok/s。
- 瓶颈观察：当前迭代中瓶颈在 CPU/内存/NVMe 侧，喂不满 GPU——21 张卡里只有 1 张达到 100% 利用率，其余仅 20-30%。
- 方法论：作者强调通过亲手搭建观察系统如何失败、在哪里失败，比读别人的总结更有收获；下一步计划从 base checkpoint 入手做端到端的模型创建、优化与消融实验。
对想在大内存/多卡环境跑超大模型本地的开发者有直接参考价值。
所属事件:开发者自建混合架构跑 DeepSeek 460GB 权重，prefill 提速至 960 tok/s(3 条相关)→
「Infra」频道最新
- 微软 SC26 将揭秘 Maia 加速器:日服务数万亿 token 的数据流设计 — thoefler · 2026-11-12
- ClickHouse 收购 Xata 并发布 Managed Postgres,客户超 5000 家 — CShorten30 · 2026-11-12
- 2026 中期选举 41 项数据中心公投 40 项倒向反 AI 建设方 — Acceptable-Offer-518 · 2026-11-12
- KubeCon 前夕 Azure Day：AKS 单集群 65 节点跑 2.2 万个 Agent — davemccollough · 2026-11-12
- CoRL 会场同址开天然气论坛,主题直指 AI 数据中心供电 — carlosdponx · 2026-11-12
- a16z 播客：Mike Volpi 从 Cisco 70+ 并购经验谈 AI 基建周期 — a16z · 2026-11-12