ryan4yin | 二花 (@ryan4yin) “已经在 4090 上用上了，crazy!!! 现在 qwen3.8-flash-next 在 strata 加持下，性能、” — TopicDigg
ryan4yin | 二花
@ryan4yin
加入 December 2018
0 正在关注 0 粉丝
已经在 4090 上用上了，crazy!!! 现在 qwen3.8-flash-next 在 strata 加持下，性能、智能、ctx 长度全方位吊打 qwen3.8-27b... 我本地的 27b 已经无用武之地了...
过去一周多，可能以后被证明是AI推理部署史上天翻地覆的一周。
上个周末，我的本地机双5070ti试跑Qwen Flash，只能做到200 prefill，10decode。
今天，在Strata和我自制的PR的支持下，目前可以跑到2200/67，而且只需要一张卡。
即读写速度都提高了近十倍。
更好的消费卡比如4090/5090，当然也有幅度相当大的升级（目前5090在流式处理的支持下，速度已经开始逼近RTX6000，当然显存还是不足）。
这当然带来了消费级硬件的新一轮大涨价。如今，就连曾经无人问津的 32G B70英特尔显卡都卖断货涨价了。
2200/67的速度是什么意思？
今天除了deepseek，muse等少数模型，大部分API达不到这个速度。
而一个普通的家用游戏电脑就可以达到这个水平。
而这个水平，一周以前，只有5090，DGX spark，M3U这样的机器可以达到。
也就是说，在过去的一周多，全球的普通家用电脑带来了十倍于上周的AI产量。
这个增量，得益于deepseek- Qwen flash这种特殊设计，把智力分成了注意力，专家，和查表，
也得益于Strata这样优秀的架构，把整个处理流水线化，让不同的智力，存储在不同速度的存储设备中，在需要用时刚好抵达。
这对所有愿意拥有本地智力的人，当然是极大的利好。
也许模型层的设计，正在快速收敛到一个目前硬件条件下的最优解？
然而这对依赖出卖模型算力的生意，尤其是平庸的智力的商业来说，也可能是催命符。
显示更多
