• CPU： AMD Ryzen 9 3950X
• 内存： 64GB DDR4
• 显卡： RTX 3090 24G + RTX 3070 8G（混插）
• 电源： 1200W 白金电源（之前是 700W，为了带双卡特意换的，安全第一）
• 系统环境： Windows 11 / Ubuntu 24.04 双系统
  关于显卡的小插曲： 3090 是之前去中关村实体店 5300 元现场挑的，拷机 1-2 小时没问题。用了几个月，最近跑 LTX-Video 经常一跑就是大半天，稳得很。商家给了 3 年换新店保，感觉还算靠谱。3070 是早年留下来的，总觉得闲置了有点亏，于是就有了这次的双卡混插折腾。
  我的折腾目标很明确：配一台能稳定干活的生产力工具。所以模型都选主流的，上下文基本设置在 64K - 128K 之间，都是Q4模型，MTP draft 3。
  二、 大模型推理实测（Qwen 35B MoE / 27B）

1. Windows 11 环境（LM Studio / KV Cache 设为 Q8）

• Qwen 35B (A3B MoE)：
  • 普通版：约 105 t/s
  • MTP 版：约 110 t/s
  • 发现一个现象： MTP对这个模型用处不是太明显， 但是随着上下文（Context）增加，MTP 版似乎不太降速；而普通版会明显降速到 80-90 t/s。不知道大家有没有遇到类似的现象？
• Qwen 27B：
  • 普通版：约 25 t/s
  • MTP 版：约 54 t/s（提升超过 100%，非常满意！）
• Qwen 122B (A10B MoE)
  • 普通版：约 20 t/s
  • MTP 版：None

2. Ubuntu 24.04 环境（llama.cpp / 575 驱动 / CUDA 12.8 / 3090单卡）

• Qwen 35B (A3B MoE)：
  • 普通版：约 130 t/s
  • MTP 版：约 133 t/s（在 Linux 下高上下文暂未发现明显降速）
• Qwen 27B：
  • 普通版（单卡）：约 27 t/s
  • MTP 版（单卡）：约 60 t/s
  • 双卡测试： 如果把 3070 也开起来走双卡，速度反而会掉到 46-48 t/s（估计是跨卡通信或者 PCIe 带宽拖了后腿）。
• Qwen 122B (A10B MoE)
  • 普通版：约 26 t/s
  • MTP 版：None

补充一句， 别的模型也跑了， Gemma从内容和速度看都比较废柴就不打算说了， 还是Qwen好用， 目前正尝试把 deepseek 自己量化到 60多G跑起来， 一直还没成功。

三、 AI 视频生成实测（ComfyUI / LTX-Video）
目前只在 Windows 11 下进行了测试：

• 模型及配置： LTX-Video 2.3 (fp8.safetensors) + 8步加速 LoRA
• 渲染速度： 生成一段 10秒 的视频，大约需要 6分钟。
  跑了很多段，基本都卡在 6 分钟左右。后续换成 Sulphur速度也差不多。
  四、 想请教论坛各位大佬两个问题：

1. AI 视频这个速度正常吗？ 3090 跑 LTX-Video 2.3 fp8 8步，10秒视频 6分钟这个效率在正常范围内吗？
2. Ubuntu 下的加速建议： 视频这块我还没在 Ubuntu 下跑。针对我这种 3090+3070 的奇葩混插配置，或者针对 Linux 环境，大佬们有什么进一步压榨性能的加速建议吗？（特别是解决双卡跑 LLM 速度反降的问题）