一台 RTX 5090 上的 Qwen3.8 27B:使用和不使用 DFlash2 进行基准测试的六个推理引擎
原文:Qwen3.8 27B on one RTX 5090: six inference engines benchmarked with and without DFlash2
披露:我是 TensorSharp 的作者。本英文摘要是在法学硕士的协助下根据完整的基准报告进行改编和编辑的。比较涵盖同一 RTX 5090 32 GB 上的 llama.cpp、vLLM、SGLang、NInfer、velox-inferer 和 TensorSharp,包括解码吞吐量、长提示、并发请求、图像输入和小工具循环。设置:Ubuntu 24.04,EPYC 9354,运行一个引擎
正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。
抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。
正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。