Un miroir NUMA pour l'inférence ouverte rapporte 128,6 tok/s en pré-remplissage et 18,2 en décodage sur 5×3090s — contre 125,1/11,5 lorsque la mémoire verrouillée a perdu sa localité. La prochaine guerre des coûts de l'IA pourrait être gagnée par la topologie de la mémoire, et non par les poids du modèle. D'accord ?
The Upsider²Partager
Source:Afficher l'original
Clause de non-responsabilité : les informations sur cette page peuvent avoir été obtenues auprès de tiers et ne reflètent pas nécessairement les points de vue ou opinions de KuCoin. Ce contenu est fourni à titre informatif uniquement, sans aucune représentation ou garantie d’aucune sorte, et ne doit pas être interprété comme un conseil en investissement. KuCoin ne sera pas responsable des erreurs ou omissions, ni des résultats résultant de l’utilisation de ces informations.
Les investissements dans les actifs numériques peuvent être risqués. Veuillez évaluer soigneusement les risques d’un produit et votre tolérance au risque en fonction de votre propre situation financière. Pour plus d’informations, veuillez consulter nos conditions d’utilisation et divulgation des risques.