2026-09-10 · 来源：{'name': "Tom's Hardware", 'url': 'https://www.tomshardware.com/tech-industry/artificial-intelligence/benchmarking-qwen-3-8-27b-on-rtx-5090-and-beyond-vram-capacity-alone-cant-overcome-severe-software-and-inference-engine-bottlenecks'}
Tom's Hardware对刚发布的开源权重模型Qwen 3.8 27B进行实测,发现即便RTX 5090等显卡显存充足,也无法弥补软件栈与推理引擎的严重瓶颈。
刚刚发布的开源权重模型Qwen 3.8 27B为本地推理讨论提供了新的参照对象,Tom's Hardware在其发布之际动用自家硬件阵容进行了实测。测试目标很实际:确定从RTX 5090起步的哪些系统最适合运行这款模型。
核心结论是对"看参数表买卡"的一记警告。据该媒体的测试结果,显存容量本身无法克服测试中遇到的严重软件与推理引擎瓶颈。换句话说,显存足以装下一个270亿参数的开源权重模型,并不等于能换来可用的性能:承担繁重运算的软件栈和推理引擎,无论显卡留出多大的余量,都可能拖累实际表现。
这一结果与消费级AI硬件圈的一个惯常认知相悖——在那里,显存大小常被视为能否运行更大开源权重模型的决定性变量。这次基准测试本想回答哪款硬件最适合运行Qwen 3.8 27B,但结果表明,答案无法仅从显存规格中读出。相反,软件生态与推理引擎的优化程度同样举足轻重。
萬安算交所 AIXX · 算力硬件实名会员制交易平台 · 进入货源大厅