[Перевод] Как ускорить локальную LLM на 50% без покупки новой видеокарты
Хабр · 14.11.2026 · 11:55
На GTC Berlin 2026 участники воркшопа NVIDIA смогли ускорить генерацию Qwen3-32B с 16,4 до 24,5 токена в секунду, не меняя оборудование. Для этого использовали FP8 вместо BF16. Общая…