跳转至内容
  • 關於GB10跟N1X

    随便聊聊 gb10
    22
    1 赞同
    22 帖子
    278 浏览
    怪物
    @566656661 好的,謝謝
  • 0 赞同
    15 帖子
    304 浏览
    @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
    179 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
  • 新手不要碰DGX Spark(重要事情说三遍)

    已移动 随便聊聊 dgxspark gb10
    29
    4 赞同
    29 帖子
    1k 浏览
    S
    @jenaflex 不同意楼主说的395的观点,每个人的需要不太一样吧,我有7900XTX、我有RTX 5060,我也用AI Max 395 128GB,用的挺好,挺合适。可能每个人的需求不同吧。