Arao AI
返回搜索结果

Qwen3.8-27B · FP8

发起讨论
NVIDIA RTX PRO 5000 Blackwell48GBSGLang 未知L0 自报

本页汇总 Qwen3.8-27B（FP8）在 NVIDIA RTX PRO 5000 Blackwell 上以 SGLang 运行的 1 次实测数据，来自 1 个独立来源平台；指标为已上架实测的均值。

31.5 tok/s

Decode

解码速度

5,089 tok/s

Prefill

预填充速度

— s

TTFT

首 token 延迟

43.2 GB

VRAM

显存占用

L0 自报

1

实测次数

1

独立来源

其他

来源平台

5 天前

最后验证

性能表现

  1. SGLang · FP8 （当前）Decode 31.5 · Prefill 5089 ·

核心数据

Decode（平均）
31.5 tok/s
Prefill（平均）
5,089 tok/s
TTFT（平均）
— s
VRAM（平均）
43.2 GB
MTP 接受率
—
TTFB
— GB
功耗
— W

基础配置

成员级字段取自最近一次实测

模型
Qwen3.8-27B
量化方式
FP8
框架
SGLang
版本
未知
上下文长度
226000 tokens
批次大小
1
Flash Attention
开启

硬件信息

标称与实测并排陈列，能否运行由读者自判

GPU
NVIDIA RTX PRO 5000 Blackwell
标称显存
48 GB
实测显存（均值）
43.2 GB
系统
未知

获取与上手

原始模型资料

以下为基础模型入口，不保证与本次量化版本一致；部署请使用上方已核实权重。

启动命令

最近一次实测使用的命令
python -m sglang.launch_server --model-path Qwen3.8-27B-FP8 --attention-backend flashinfer --kv-cache-dtype fp8_e4m3 --mamba-full-memory-ratio 0.2 --chunked-prefill-size 2048 --context-length 262144 --mem-fraction-static 0.90

部署教程

https://lcz.me/topic/1193

来源与证据

共 1 条实测记录，逐条可回溯到原始出处

  1. L0 自报其他原始链接 验证于 2026-09-28

    未知 · 未知 · 226000 ctx

    31.5 tok/s

    Decode

    5,089 tok/s

    Prefill

    — s

    TTFT

    43.2 GB

    VRAM

    —

    MTP

    — W

    功耗

    bench_one_batch：batch=1、input=4096，prefill 5,006→5,089 t/s，decode 31.3→31.5 t/s。