折腾了一天，给大家分享点经验。
1、仓库地址：https://github.com/sergiuszm/ninfer-4090
先让AI修复一个5ms的bug，然后再编译。
还要注意模型不要下载最新的，下载这个兼容的。
https://huggingface.co/neroued/Qwen3.8-27B-NInfer/resolve/3526913004b1cf552cb57b88d6a5c6f5e4a89a70/qwen3_8_27b.ninfer
2、我的启动参数：
docker run -d
--name ninfer-qwen38-27b
--restart unless-stopped
--gpus all
--ipc=host
-p 30000:8080
-e TZ=Asia/Shanghai
-v "$PWD/models:/workspace/models:ro"
-v "$PWD/logs:/workspace/logs"
ninfer-4090:sm89
ninfer-serve models/qwen3_8_27b.ninfer
--host 0.0.0.0
--port 8080
--max-context 262144
--kv-capacity auto
--max-concurrency 3
--max-pending-requests 16
--pending-timeout-ms 600000
--prefill-chunk 1024
--kv-dtype fp8
--host-kv-mib 24576
--max-private-continuations 12
--max-shared-prefixes 8
--host-state-slots 72
--auto-long-anchors 4
--max-long-anchors-per-continuation 4
--spec mtp
--draft-tokens 3
--lm-head-draft
--vision
--device-state-slots 6
--model-id Qwen3.8-27B-AWQ-INT4
3、实际情况
单路 Decode：普通文本约 112 tok/s，代码约 150 tok/s。
3 路 Decode：聚合约 198.5 tok/s。
Cold Prefill：短板，128K 约 1500 tok/s。
多路 Cold Prefill：基本串行，这是最大缺点。
GPU FP8 KV：786,432 tokens。
Host KV：24 GiB，而且已经实测发生 D2H spill / H2D restore。
长会话恢复：可以从分钟级 Cold Prefill 降到几百毫秒。
Vision：可以开启，不损失 786K GPU KV。
MTP3：比 MTP4 更适合你的综合负载。
12 private continuations：目前比 10 明显更合适。
250ms planner patch：压力下实测有效。
（继续增大prefill-chunk和mtp并没有好的效果）
4、尚未解决的问题
虽然prefill比较慢，但是首token延迟很小，decode也很快，kv比sglang和vllm都多，用着非常舒服。但是使用openclaw的时候，同一个对话会挤占好几个槽位，搞的12个槽位会很快用完，造成重新prefill。AI说要等openclaw支持supportsResponsesContinuation（开发版已经支持了，但是懒得折腾，目前用vllm也还行）