Qwen3.8-27B on 16GB VRAM: Optimized Inference Recipe
フリーのプロンプト百科事典 Wikiprompt より
Qwen3.8-27B on 16GB VRAM: Optimized Inference Recipe A detailed technical recipe for running a 27B model with 100K context on a 16GB consumer GPU, covering selective quantization, KV cache compression, and speculative decoding.
プロンプト内容保存
🌐
Model: Qwen3.8-27B
GPU: RTX 4070 Ti SUPER 16GB
Context: 100K tokens
Decode speed: 47-50 tok/s
VRAM usage: 15.93GB
Weights (13.5GB hybrid GGUF):
- Attention: IQ4_XS
- FFNs: IQ3_S
KV cache (KVarN compressed):
- K: kvarn5
- V: kvarn4
- Most recent 1,024 KV tokens at higher precision
Speculative decoding: MTP-2
Key change: kvarn5/kvarn5 -> kvarn5/kvarn4 freed ~6% VRAM, increased usable context from ~88K to 100K tokens.
Implementation notes:
- Uses BeeLlama.cpp (llama.cpp fork), not stock llama.cpp or standard LM Studio
- Community-reported performance; actual results vary with hardware, prompt length, workload, and configuration
ログインして完全なプロンプトを表示
次で続行:
ログインすると、次に同意したことになります： 利用規約 と プライバシーポリシー
使い方
このプロンプトは research 向けに設計されています。上の内容をコピーして、お好みの AI ツールに貼り付けてください。
最良の結果を得るには、プレースホルダー（角括弧や大文字で示された部分）を具体的な要件に置き換えてください。
ノート
0 件のコメント