Ren(@Ryrenz):⚡ 震惊，有人为了让 Qwen3.8-27B 在单张 RTX 5090 上跑得更快，硬是把 vLLM 改了七轮，成果就是 Qwen3.8-Inference-MetaZenith 这个分支。效果是拿数据说话的：基线版和优化后的 R107 版跑了 18 组对比，生成吞吐的几何平均从 51.9 提到 84.9，涨了 63.5%；上下文拉到 65536、并发为 1 的那一档，涨幅直接到 310%。自己编译 vLLM 折腾过 Blackwell 卡的应该有体会：装 CUDA Toolkit、对着编译目标一个个试，编出来还不一定比官方版快多少。 Qwen3.8-Inference-MetaZenith 把调好的结果整个端出来了。它基于 vLLM v0.27.1，动了 24 个上游文件，加了三千三百多行，七个阶段挨个啃——解码调度、输出投影、精确解码内核、批量预填充调度、预填充融合，重点都压在 TurboQuant 和 Gated Delta Network 这两条执行路径上。预编译好的 wheel 也放出来了，装 wheel 这条路不需要 CUDA Toolkit 和 nvcc，驱动对得上就行。说清楚适用范围：它是给 sm_120 的 RTX 5090 加特定模型做的专用分支，换卡换模型就不是这个故事了。这么窄的一个场景居然有人认真调了七轮，属实硬核。 GitHub：

2026.09.10 09:05

⚡ 震惊，有人为了让 Qwen3.8-27B 在单张 RTX 5090 上跑得更快，硬是把 vLLM 改了七轮，成果就是 Qwen3.8-Inference-MetaZenith 这个分支。效果是拿数据说话的：基线版和优化后的 R107 版跑了 18 组对比，生成吞吐的几何平均从 51.9 提到 84.9，涨了 63.5%；上下文拉到 65536、并发为 1 的那一档，涨幅直接到 310%。自己编译 vLLM 折腾过 Blackwell 卡的应该有体会：装 CUDA Toolkit、对着编译目标一个个试，编出来还不一定比官方版快多少。 Qwen3.8-Inference-MetaZenith 把调好的结果整个端出来了。它基于 vLLM v0.27.1，动了 24 个上游文件，加了三千三百多行，七个阶段挨个啃——解码调度、输出投影、精确解码内核、批量预填充调度、预填充融合，重点都压在 TurboQuant 和 Gated Delta Network 这两条执行路径上。预编译好的 wheel 也放出来了，装 wheel 这条路不需要 CUDA Toolkit 和 nvcc，驱动对得上就行。说清楚适用范围：它是给 sm_120 的 RTX 5090 加特定模型做的专用分支，换卡换模型就不是这个故事了。这么窄的一个场景居然有人认真调了七轮，属实硬核。 GitHub：