3090双卡【无nvlink pcie 3.0 x8+x8拆分 P2P驱动】测试llama-cpp 跑27B Q6K GGUF
-
在等待QWEN 3.8的时候,还是想折腾一下：
显卡刚刚加一张，电源1200W，主机是MATX的Z390，已经没有位置插显卡了，刷新BIOS后支持X8/X8拆分， 用PCIE延长线将第二个PCIE延长到机箱后面测试。
模型：Qwen3.6-27B-Q6_K.gguf 带MTP（22G，修改版，MTP头是Q8_0）
折腾了一下，参考来源 ：https://smcleod.net/2026/02/patching-nvidias-driver-and-vllm-to-enable-p2p-on-consumer-gpus/
P2P驱动已就位：
链接速度太感人了，PCIE 3.0 X8只有8GT/S：
vllm始终不理想也不习惯,sglang也未测试。那就还是只有llama.cpp，
直接跑是跑不起来的，有几个错误，意思nccl不兼容。让deepseek调研之后，发现CSDN一个文章（https://blog.csdn.net/weixin_42431643/article/details/163023731 ），把llama.cpp丢到镜像里面来跑本机GGUF。按它的方法自建了镜像，启动容器，果然不报错了，推理的时候两张显卡都能高负载运行。以下工程是让它写超级玛丽的HTML5游戏。
220K 双F16 上下文，显卡还各余了3-4G，有点浪费了。
中途做到一半停住了，说没有多模态，让它跳过也不跳，弹出网页截了一下图，游戏还是挺多问题的。
正常解码速度，50-70K (代码会快一点） prefill不理想，35B A3B用buun 分支，基本都是1500++。 这个是官方最新版llama.cpp, 偶尔会有几十t/s的prefill.
-
-
-
系统 于 取消固定此主题
-
@stxpnet 没有买nvlink 没搞微调的话就别搞了 1000元 只换来20% prefill
-
-
@stxpnet
不要搞双路
除非用nvlink
如果pcie 插不在同cpu 会 导致跨QPI, 速度比较慢
我的x99 就是不能插在同一个cpu通道 导致更慢了 -
@applejuice 嗯，这个我知道的，大概就是让它绑定一个CPU，128G内存专门用来跑MOE模型，想玩一下QWEN 122B A10B或者是LAGUNA S2.1，这样比较省电啊，不用搞两台机，记忆，RAG啥的挂另一颗 CPU上面。
我之前还试过可以用纯CPU跑35B A3B 或者QWEN CODER NEXT，有15-20T/S(当时想法是只用来写程序，写代码） 。 但是现在3.8都出来了，QWEN CODER NEXT有点跟不上时代了。
-
-
嗯，一是我这主板放不下两个PCIE之间只有一条缝了，没有水冷搞不掂，一换主板我又想上超微X11或X12 双路256G内存,CPU和主板又是大头，所以想想还是算了，目前就还是想试试那个破解P2P，晚上睡觉前让它自己调研写计划看能实现不。 @applejuice
-
-
-
pcie 4.0 16X 全速 没有nvlink的基准 -
-
[[topic:post-is-deleted]]此主題已被删除！
-
@laihzang619 prefill 呢？
@applejuice
是这样测试吗 -
pcie 4.0 16X 全速 没有nvlink的基准
