跳到正文
Dev.to Top Tech(dev.to)· Amuro Ray·· 6 天前品質評分60

實測 Qwen3.6 在單張 Radeon RX 6900 XT 上同時服務多人有多快

How much does running multiple streams raise aggregate tokens/s on one GPU?

重點導讀

一張顯示卡同時服務多人時,總速度會變快,但每個人分到的速度會下降。

  • 作者用一張 16 GB Radeon RX 6900 XT,測試 Qwen3.6-27B 和 Qwen3.6-35B-A3B:MoE 模型從 1 個連線增加到 4 個時,總速度約為 240 tokens/s,每個連線約 60 tokens/s。
  • 增加到 8 個時,每個連線約 33 tokens/s。提示詞越長,等到第一個 token 的時間也越久。
  • 記憶體不足時,速度可能大幅下降。作者提醒,規劃多人使用時要替每個連線預留顯示卡記憶體。這是單張卡、兩個模型的速度測試,不能代表其他硬體的結果。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

信源出處dev.to

How much does running multiple streams raise aggregate tokens/s on one GPU?

本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。

開啟原文
來源: Dev.to Top Tech (dev.to)
開啟原文

讀者討論

理性交流 · 即時討論