看到论坛大神的《4080S 跑 Qwen3.8-27B 实测 61.7t/s》帖子，照着调了一晚上，最终单路比大神还快一点（主要是 n-max 扫出来的甜点位不同），分享下我的踩坑过程给后面的小白参考。

1. 整机配置

• CPU：AMD Ryzen 7 9700X（8核16线程）
• 主板：华硕 X670E HERO
• 内存：64GB DDR5
• 显卡：NVIDIA RTX 4080 SUPER 32GB（驱动 616.56）
• 系统：Windows 11

2. 先给结论

一句话：这台机器跑 Qwen3.8-27B Q6_K，单路 80-95 t/s、双路并发 45-78 t/s 是常态，128K 全 GPU 加载无 OOM，还能带视觉。

3. 最大的坑：CUDA 没装上（小白必看）

一开始模型加载了但 GPU 显存 0 MiB，纯 CPU 跑 5 t/s，以为显卡不行，查了半天：

• nvidia-smi 显示正常（驱动 616.56，CUDA UMD 13.4）
• llama-server --list-devices 返回 (none)
• 系统里只有 NVIDIA 驱动，没有装 CUDA Toolkit（找不到 cudart64_13.dll）

根因：驱动 ≠ CUDA Toolkit。驱动只让 nvidia-smi 能跑，但 ggml-cuda.dll 需要 cudart64_13.dll 才能枚举设备。论坛大神的机器装了 CUDA Toolkit 所以没这个问题。

解决：装 CUDA Toolkit 13.3.1 网络安装器（9.9MB，静默安装 2 分钟）：

cuda_13.3.1_windows_network.exe -s -noaccepteula

装完注意 PATH 要加 bin\x64（不是 bin，我一开始加错了还是 (none)）：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v13.3\bin\x64

加完 --list-devices 立刻识别到 CUDA0: NVIDIA GeForce RTX 4080 SUPER (32759 MiB)，速度直接从 5 t/s 跳到 80+。

4. 调优过程（照着大神帖子改的）

4.1 n-max 扫描（最大提速来源）

大神帖子用的 n-max=2，我好奇扫了 2-5，发现 3 才是我的甜点位：

n-max 必须自己扫，别人的 2 不代表你的甜点位也是 2。

4.2 上下文 64K → 128K

大神用的 64K，我试了 128K：显存从 24GB 涨到 27GB，速度只掉 5-11%（KV cache 翻倍，Flash Attention 开销增加），完全值得。Qwen3.8 原生 262K 不需要 YaRN。

4.3 双路并行

--parallel 2 + 128K：两个请求同时处理不排队，每个 45-78 t/s，总吞吐 95-160 t/s。也试了三路（--parallel 3），能跑但总吞吐反而降到 67 t/s，不划算。

4.4 视觉

Qwen3.8 是 VL 模型，加 --mmproj 加载视觉编码器（bf16，只占 0.84GB），128K 双路 + 视觉显存 28.4GB，余量 4.4GB，稳。

4.5 稳定性

双路 128K 跑了 15 分钟持续并发（690+ 请求）：

• 显存全程 27.5GB，零增长（无泄漏）
• 温度峰值 50-55°C，离热降频（83°C）很远
• 零崩溃零 OOM

5. 最终启动脚本

cd /d C:\llama-b10549-bin-win-cuda-13.3-x64
set PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v13.3\bin\x64;%PATH%

taskkill /f /im llama-server.exe >nul 2>&1
timeout /t 2 >nul
nvidia-smi --gpu-reset -i 0 >nul 2>&1
timeout /t 1 >nul

start "llama-server" llama-server.exe ^
    -m "C:\AI-MODEL\Huihui-Qwen3.8-27B-abliterated\Huihui-Qwen3.8-27B-abliterated-Q6_K.gguf" ^
    --mmproj "C:\AI-MODEL\Huihui-Qwen3.8-27B-abliterated\mmproj-model-bf16.gguf" ^
    --port 8080 --host 127.0.0.1 ^
    -t 8 --parallel 2 ^
    --jinja --reasoning off ^
    -fa on ^
    --cache-type-k q8_0 --cache-type-v q8_0 ^
    --fit-target 2048 ^
    -n 8192 ^
    -c 131072 ^
    --spec-type draft-mtp --spec-draft-n-max 3 ^
    --temp 0.7 --top-p 0.8 --top-k 20

6. 给同是小白的提醒

1. 驱动 ≠ CUDA Toolkit。只装驱动跑不了 CUDA offload，--list-devices 返回 (none) 就是这个原因
2. CUDA 13.3 的 DLL 在 bin\x64 不是 bin，PATH 加错照样 (none)
3. n-max 必须自己扫，抄别人的没用
4. --reasoning off 不是 --reasoning-budget 0，前者关思考链，后者只是截断
5. 双路是甜点位，三路总吞吐反而降

感谢论坛大神们的帖子，让我这个小白少走了一晚上弯路。