Qwen3.8 27B Falters on 12GB VRAM: Older MoE Wins
A Reddit user benchmarked Qwen3.8 27B on an RTX 5070 Ti laptop with 12GB VRAM: the 2-bit quantized version hit 35.9 chars/sec but flunked the classic "1.1 yuan small ball" problem; the 3-bit version answered all six questions correctly but throughput dropped to 7.5 chars/sec. Swapping in Qwen3.6 35B MoE, the result was 59 chars/sec and a clean sweep across all six questions—last generation wins.
相关推荐
基于 #Qwen 推荐
千问Qwen
把千问压到 1 比特还是慢 6 倍 — 想在本地跑大模型的企业可以再等等
阿里千问最新模型支持极致压缩(量化到 1 比特),但 Reddit 用户实测发现:极低精度版本在普通电脑上跑起来反而比稍大的版本慢 6 倍,准确率也跌到 70% 出头。这件事告诉我们,本地部署大模型的「省钱+数据自主」故事,现在还远没到能替代云端服务的阶段。
8月30日·www.reddit.com
腾讯Hy4
腾讯一个半月把模型从 295B 堆到 770B — 中国大厂用开源抢时间
腾讯发布 Hy4 开源预览版:770B 总参数、49B 激活、1M 上下文、只支持文本。一个半月内从 295B 做到 770B,中国大厂的开源节奏值得关注——但 49B 激活才决定真实算力成本。
8月30日·simonwillison.net
Qwen阿里
工程师把 Qwen 调到极限后发现:26 万 token 是本地 AI 的硬天花板
一位开发者把 Qwen 最新模型调到极致后发现:上下文一旦超过 10 万 token,生成速度暴跌 75%。这说明长上下文仍是本地 AI 的天花板,也是企业绕不开云端的关键证据。
8月30日·www.reddit.com
Qwen本地大模型
本地跑 AI 写代码火了 — 但多数公司的显卡还跑不动
本周 Reddit 程序员社区一篇求助帖被反复讨论:作者想用公司闲置的 RTX A4500 工作站(20GB 显存 + 256GB 内存)跑本地大模型写代码,纠结选 Qwen 3 27B 量化版还是更大模型。这不是个例,过去半年本地跑模型写代码正从极客玩具变成部分开发者和中小公司的真实选项。
8月30日·www.reddit.com
NInfervLLM
百万上下文跑在两张 5090 上 — 企业自建 AI 的硬件神话被业余玩家打破
一位 Reddit 开发者改造开源推理引擎 NInfer,让 27B 参数 Qwen 模型在两块消费级 5090 上跑出百万 token 上下文,速度比 vLLM 快近 3 倍。值得关心的是:企业自建大模型的硬件门槛正被业余项目瓦解。
8月30日·www.reddit.com
llama.cppMoE
llama.cpp 还有 50 个 PR — 本地跑 AI 不必靠显卡
开源项目 llama.cpp 攒 50+ 性能优化待合并,部分让 CPU 推理提速 3 倍。「本地跑大模型」正摆脱对高端显卡的依赖 — 敏感行业的私有部署和普通用户的离线 AI,都会因此更便宜。
8月29日·www.reddit.com