双 3090 跑 qwen3.8 27b q4 单会话已经来到了 120t/s!

VeroFess · 2026-08-20T11:30:00+08:00

当然是开了 mtp 了，但是 mtp 他也是单会话！最佳 120.63 tok/s, 在 omp 跑二十分钟任务平均 96.8 tok/s decode + 1483 tok/s prefill也就是说现在双 3090 在考虑价格的情况下完全可以说是拉爆 4090 和 5090 了，在 4090 没吃上优化的前提下双 3090 也是比双 4090 快的，更别提 dxg 了，算是一万多块钱吃上好的了，嘿嘿

411

VeroFess2026-08-20
29288
当然是开了 mtp 了，但是 mtp 他也是单会话！
最佳 120.63 tok/s, 在 omp 跑二十分钟任务平均 96.8 tok/s decode + 1483 tok/s prefill
也就是说现在双 3090 在考虑价格的情况下完全可以说是拉爆 4090 和 5090 了，在 4090 没吃上优化的前提下双 3090 也是比双 4090 快的，更别提 dxg 了，算是一万多块钱吃上好的了，嘿嘿
主楼
于小盼2026-08-20
8754
我看到标题进来了就想问一句开mtp了吧？
结果就看到开mtp了
部署的是 W8A16 的么
#1
VeroFess2026-08-20
29288
不开 mtp 那真是拉爆物理极限了x 老黄要给我磕一个的级别x
这个成绩只在 HauhauCS/Qwen3.8-27B-Uncensored-HauhauCS-Aggressive-MTP-GGUF 和 unsloth/Qwen3.8-27B-GGUF 的 Q4_K_M 上测试过
#2
Teddy2026-08-20
23802
当年有个朋友 3090 置换 5080，光顾着笑话他了，忘了当时应该收过来的^-^
#3
于小盼2026-08-20
8754
我现在也在怂恿我们领导部署3.8 也在研究怎么弄好
目前选的方案是 w8a16 int8 catch 不量化
晟腾910B 0.0
#4
VeroFess2026-08-20
29288
晟腾那我是真没见过x 跑起来的话偷偷告诉我能跑多快x
#5
夸父石2026-08-20
58532
这速度的话已经达到可用级别了。3090性价比又增加了
#6
于小盼2026-08-20
8754
调研了一下 8卡分布式部署带mtp 2000t/s
毕竟单卡64g
最近刚部署了dsf 所以还没实施
#7
VeroFess2026-08-20
29288
流下了口水, 等三年大船就可以爽玩了(?
#8
咪叭2026-08-20
6906
楼主是用了nvlink吗，感觉显卡间的信息传输量比较高
另外后端是什么，vllm吗
#9
VeroFess2026-08-20
29288
没 nvlink (宽度买错了插不上), 用的是魔改 bar1 p2p, 后端是魔改的 llama.cpp, 实现了 paged fa 之类的优化, 可以看
github.com
GitHub - VeroFess/llama.cpp_3090x2_qwen3.8_q8_opt: A llama.cpp fork with TurboQuant/TCQ KV cache,...
A llama.cpp fork with TurboQuant/TCQ KV cache, fused Qwen MTP speculative decoding, and multi-GPU long-context serving fixes.
但是 q4 有关的优化没有推送
#10
气雾剂2026-08-20
21448
262k 上下文跑满速度能有多少？心动了 ^-^
#11

发表回复

登录后回复