待验证50% 置信基准精确时间
在双Strix Halo上，有开发者实测USB4 40Gbps链路只跑出约9.2Gbps；双机跑DeepSeek写入约27 tokens/s，预填充700-750 tokens/s。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/31
首次发现
有效期至：2027/1/29
来源
涉及实体
相关事实
待验证开发者0x0的构建：一张RTX 3090配256GB DDR4内存和200GB SSD，跑DeepSeek v4.1 Flash单用户26 tokens/s、四用户并发41 tokens/s，预填充600-800 tokens/s，支持262K上下文，估算总成本约6,000美元。74% 相似待验证在4bit量化版本（完全放入32GB显存）测试中，Ollama达240 tokens/s，FreeToken为225 tokens/s，Ollama反而更快73% 相似待验证按高功耗加MLX或Ollama的公开数据，M4 Max上不同模型的解码速度大致阶梯为：Nemotron 3 Nano约160 tokens/s，Qwen 3.5 35B在107到130 tokens/s，Gemma 4 26B约75 tokens/s，DeepSeek V4 Flash约27 tokens/s，稠密27B约22 tokens/s72% 相似待验证bfloat16基线吞吐量为18.8K tokens/s/GPU，最快自定义路线达到37.9K tokens/s/GPU，几乎翻倍72% 相似待验证JetBrains 自报数据：Mellum2.1 在单张 H200 上达到 7,969 tokens/s，Qwen3.5-9B 为 4,347 tokens/s。72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1121826API
curl https://kongchang.com/api/v1/knowledge/claims/1121826MCP
get_claim(id=1121826)