跳到正文
热点事件持续更新

单卡运行Inkling 2 Mini配方实测

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

eesahe分享了在单张RTX 4090上运行Inkling 2 Mini的vLLM量化配方:通过修补vLLM,采用NVFP4专家权重、FP8注意力/头部/嵌入和FP8 KV cache,将推理速度从开箱约117 tokens/s提升至约190—220 tokens/s。 该配置下,24GB显存可容纳35k上下文;作者在样例prompt上测得困惑度损失约0.4%,并表示后续会补充更多测试。

AI 根据报道生成 · 7 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月21日
  1. AGI Hunt
    单张 RTX 4090 运行 Inkling 2 Mini 的 FP8 与 NVFP4 实测配方

    作者通过修补 vLLM,在单张 RTX 4090 上将 Inkling 2 Mini 推理速度提升至约 190-220 tokens/s,开箱速度约为 117 tokens/s。配置采用 NVFP4 专家权重(W4A16)、FP8 注意力、头部与嵌入(W8A16)以及 FP8 KV cache,24GB 显存可容纳 35k 上下文,样例 prompt 困惑度损失约 0.4%。

本事件热度走势

可比范围当前
8
可比范围峰值
1011月21日 12:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。