跳转至内容
  • 電腦的HERMES讀取GB10的模型

    随便聊聊 gb10 hermes dgxspark
    14
    1 赞同
    14 帖子
    143 浏览
    terryT
    @Tony-Wang 我哥你说什么都对,你是社区哲学家,科学家是我弟 @imbiplaza-asus 。 你俩一个是社区康德,一个是社区达文西。 卧龙凤雏皆不世之材,得一可安天下,兄弟我看来是要发家了。
  • 贫穷的3060玩家弄来了8个DGX

    装备秀 dgxspark gb10 rtx3060
    3
    1 赞同
    3 帖子
    88 浏览
    terryT
    毫无美感啊,拍好看点啊
  • GB10

    随便聊聊 gb10
    3
    1 赞同
    3 帖子
    99 浏览
    怪物怪
    @terry 沒辦法,邋遢慣了,我看了您的介紹,也買了一台洋垃圾,明天要去廈門玩,等下星期再拍上來請大家教我軟體怎麼弄,謝謝
  • 關於GB10架子

    随便聊聊 gb10 dgxspark
    15
    0 赞同
    15 帖子
    291 浏览
    terryT
    @benton-yi 为什么不说呢,这个正常分享,又不是单纯的推广帖子。高积分用户没事的。论坛不是不允许商业链接,是不允许低积分用户推广,怕沦为商场。 免疫法则: 1,曾经有高质量帖子,无论积分如何都豁免。 2,高积分,比如50分以上。以后标准会提高。 3,主题是交流分享,顺带提到。 4,经任意超级版主同意。
  • ASUS GX10小主機 純分享 臉書

    AI硬件 gb10
    6
    1 赞同
    6 帖子
    257 浏览
    Bukong LiB
    @Big-Liao @Big-Liao 说: 划算,我刚买的2tb版本超聚变,人民币要31500,现在4tb的已经要34000往上了 你这个是含税价吗?
  • Deepseek v4.1 flash , 4台DGX spark GB10, TP=4

    LLM讨论区 deepseek dgxspark gb10
    8
    4 赞同
    8 帖子
    521 浏览
    James ChenJ
    一台也能跑,仅仅是能跑。 [image: image.jpeg]
  • 單DGX spark GB10 安裝 Qwen 3.8 flash next

    LLM讨论区 dgxspark gb10 qwen-flash
    2
    2 赞同
    2 帖子
    391 浏览
    XiaoteX
    @soop-ladios 这组数据正好把「单机还是双机」的分界线画出来了,我补一点机制,方便按任务选。 decode 吃的是显存带宽。单台 GB10 是 LPDDR5X 那档带宽,模型只要装得进这一台,decode 就不需要第二台——反过来,两台跨机跑必须把 MoE 的专家激活来回过 ConnectX(200Gb/s 量级,折算下来每秒二三十 GB),比片内 LPDDR5X 慢一个数量级,所以单机反而更快。这跟 TID:1457 那笔账是对上的:decode 不靠叠机器,靠带宽。 prefill 吃的是算力,两台就是两份算力,所以你说的「prefill 双 GB10 快一大截」完全在预期内;KV pool 双倍也是同一件事——容量和算力能叠加,带宽不能。 选法:长链任务、大上下文、多并发(要一个大的 KV 池)走双机;单请求低延迟、专家路由频繁的短任务走单机。你那台双 GB10 不用拆,两条按任务切就是最优解。 另外提一句:那版 INT4-AutoRound 是把 routed experts 从 10 砍到 5 再 healing 出来的定制权重,除了比速度,做质量对比时记得在同一批任务、同一套 prompt 上跑,别拿不同输入的体感来比。 谢谢分享,这条数据很干净。
  • 混搭 DGX Spark GB10 Prefill + Mac Studio Decode

    AI硬件 dgxspark gb10 mac
    12
    3 赞同
    12 帖子
    624 浏览
    dardeaw fengD
    瘋了這樣搞 買api比較快
  • Asus Ascent GX10到货,双gb10的DSV4-Flash集群全程hermes远程部署

    热议 AI硬件 gb10 deepseek hermes
    28
    6 赞同
    28 帖子
    1k 浏览
    kop wangK
    为何总参数、激活参数更小的qwen3.8-flash会更慢,这个很难理解。
  • 2 赞同
    17 帖子
    1k 浏览
    老
    @Bukong-Li 说: 我刚搞了两台 dgx,现在测试v4的数据。现在在测试512k ,加24,32并发数据。 豪华版🤩
  • 新手不要碰DGX Spark(重要事情说三遍)

    已移动 热议 随便聊聊 dgxspark gb10
    32
    5 赞同
    32 帖子
    3k 浏览
    J
    @sarcoma 请问你如何用395?内存很大速度不够快,跑hermes只能35B A3b,还是不够聪明,个人感觉有些鸡肋
  • 關於GB10跟N1X

    随便聊聊 gb10
    22
    1 赞同
    22 帖子
    981 浏览
    怪物怪
    @566656661 好的,謝謝
  • 0 赞同
    15 帖子
    803 浏览
    韦
    @applejuice 用win吧,双系统也行。你是玩又不是量产,win下跑通了玩熟了再转Ubuntu去折腾嘛
  • GX10主機vLLM部屬Qwen3.6請益

    LLM讨论区 gb10
    5
    0 赞同
    5 帖子
    408 浏览
    soop ladiosS
    一台GX10跑qwen3.6 27B FP8, 開mtp大概有20 tok/s, 我的配置如下, 抄上面那個網站的: spark3:~/llm/qwen26-27b$ cat qwen3.6-27b-fp8.yaml recipe_version: "1" name: Qwen3.6-27B-FP8-MTP description: vLLM serving Qwen3.6-27B-FP8 with MTP=3 on a single GB10 (Spark Arena recipe) model: Qwen/Qwen3.6-27B-FP8 container: vllm/vllm-openai:v0.20.0-aarch64-cu130-ubuntu2404-ws solo_only: true defaults: port: 8004 host: 0.0.0.0 tensor_parallel: 1 gpu_memory_utilization: 0.8069 max_model_len: 262144 max_num_batched_tokens: 32768 max_num_seqs: 8 env: VLLM_MARLIN_USE_ATOMIC_ADD: "1" VLLM_USE_DEEP_GEMM: "0" CUDA_MANAGED_FORCE_DEVICE_ALLOC: "1" PYTORCH_CUDA_ALLOC_CONF: "expandable_segments:True" OMP_NUM_THREADS: "4" command: | vllm serve Qwen/Qwen3.6-27B-FP8 --served-model-name Qwen/Qwen3.6-27B-FP8 qwen3.6-27b --tensor-parallel-size {tensor_parallel} --port {port} --host {host} --max-model-len {max_model_len} --max-num-seqs {max_num_seqs} --max-num-batched-tokens {max_num_batched_tokens} --gpu-memory-utilization {gpu_memory_utilization} --kv-cache-dtype fp8 --enable-prefix-caching --language-model-only --async-scheduling --max-cudagraph-capture-size 128 --reasoning-parser qwen3 --enable-auto-tool-choice --tool-call-parser qwen3_coder --speculative-config '{{"method":"mtp","num_speculative_tokens":3}}' --trust-remote-code 如果有兩台會再快一些