ycliper

Популярное

Музыка Кино и Анимация Автомобили Животные Спорт Путешествия Игры Юмор

Интересные видео

2025 Сериалы Трейлеры Новости Как сделать Видеоуроки Diy своими руками

Топ запросов

смотреть а4 schoolboy runaway турецкий сериал смотреть мультфильмы эдисон
Скачать

My local AI 70% faster with llama.cpp (RTX 5060 8 GB, new MoE cache)

Автор: ZoolTech

Загружено: 2026-11-10

Просмотров: 2

Описание: Same graphics card, same model, and yet 70% faster. I test llama.cpp's new option (November 7, 2026): the MoE expert cache with CPU share.

🖥️ Setup: RTX 5060 8 GB (PCIe 3), Xeon E-2146G, 32 GB RAM, Qwen3.6-35B-A3B Q4_K_M, 32k context

📊 Results (tokens/s):
• LM Studio: 33.1
• llama.cpp without cache: 30.2
• Small cache without CPU share: 24.8 (the trap)
• 3.8 GB cache only: 39.1
• 3.8 GB cache + CPU share 0.9: 51.3

⚙️ Flags: --cpu-moe --moe-cache-mib 3840 --moe-cache-cpu-share 0.9 (values found by moe-cache-tune.py)
⚠️ On Windows, the tuning script crashes (SIGINT): one-line fix explained in the video.

🎙️ Voice and 🎵 music generated locally (VoiceStudio + ACE-Step).

How much do you gain on your machine? Tell me in the comments 👇

Не удается загрузить Youtube-плеер. Проверьте блокировку Youtube в вашей сети.
Повторяем попытку...
My local AI 70% faster with llama.cpp (RTX 5060 8 GB, new MoE cache)

Поделиться в:

Доступные форматы для скачивания:

Скачать видео

  • Информация по загрузке:

Скачать аудио

Похожие видео

© 2025 ycliper. Все права защищены.



  • Контакты
  • О нас
  • Политика конфиденциальности



Контакты для правообладателей: [email protected]