已过期50% 置信基准精确时间

双卡 24GB 张量并行配置在 f16 精度下上下文支持从 134,049 增至 262,144 token

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/7

首次发现

有效期至：2026/10/5(已过期)

来源

Unsloth重大更新：GLM-5.2支持、3倍长上下文与全新Model Hub

rss2026/6/22

相关事实

待验证35B模型在FP16精度下需要约70GB显存，远超RTX 5090的32GB容量，因此单卡部署需量化74% 相似待验证UP主使用FP8精度部署千问3.8 27B在48GB显卡上，跑4个并发request占用约46GB72% 相似待验证即便用 4-bit 量化把权重压缩到 214GB，仍远超单张 48GB 显卡的容量71% 相似已验证以LLaMA-3 70B（80层、64头、每头128维）为例，单个token的KV Cache约占2.6MB（FP16精度），32K上下文的KV Cache总量约达83GB71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/172809

API

curl https://kongchang.com/api/v1/knowledge/claims/172809

MCP

get_claim(id=172809)