部署 Qwen3.8-27B 模型的朋友，死循环问题可以升级了。 https://huggingface.co/froggeric/Qwen-Fixed-Chat-Templates llama.cpp 的配置参数里指定模板文件：
--jinja --chat-template-file /model/Qwen3.8-27B/chat_template.jinja --reasoning-format deepseek
 |
1
liangyuan1985 22 days ago
Qwen3.6-27B 就用了
|
 |
2
jinsongzhaocn OP @liangyuan1985 几天前更新了一些 think 部分的内容，不知道替换后效果如何？
|
 |
3
tgfbeta 17 days ago
上 flash next 吧，q3 跑了超 24hr 还没崩坏呢
|
|
4
jinsongzhaocn OP @tgfbeta 只有一片 4090 24GB ，64GB 内存. flash next 16tok/s 太慢了，就算升级到 192GB 内存，只可能到 30-40tok/s, 而且 flash next 对 agent 来说反而降了，编程评分在我的机器上测试，比 27b 低了 10%。 我用的是 flash next Q4_M_XL, KV q8 。
|
|
5
tgfbeta 8 days ago
@jinsongzhaocn 24GB 是差点，96GB 应该够了，比如两张 4090 48G 。vllm 的并发可能更好一点，至少在 DGX spark 上是的，同时跑两路生成就能接近翻倍。
|
|
6
jinsongzhaocn OP @tgfbeta 我以前也一直用 vllm ，但是资源不够，还是用 gguf 比较好，llama.cpp 可玩的新技术多很多，不知道 SGLang 如何，据说擅长 Agent 长任务
|
Select Language