工程笔记
写给真正
交付技术栈的人
关于 React、Node.js、TypeScript 与 AI 的文章。有译文正文时显示译文。没有时显示英文，并注明这一点。
标签：llama.cpp
在配备 RTX 3090 的设备上，通过 llama.cpp 张量卸载技术运行 Qwen3.8-Flash-Next。
为何像 Qwen3.8-Flash-Next 这样拥有 88GB 内存、1800亿参数的专家混合模型能够运行在 RTX 3090 系列显卡上，以及 llama.cpp 的 -ot、-ncmoe 和 mmap 参数又是如何划分 VRAM、RAM 和 NVMe 资源的。
阅读约 12 分钟
常见问题
关于这些文章
是。每篇都是为本站准备的英文原创改写。结构与代码跟随来源；正文重写并做过重合检查。
英文是来源。只有存在该语言的正文译文时才显示其他语言。缺失或空白的译文仍是英文，包括在本地化网址上。
草稿经编辑后进入发布队列。站点导入只收录新的或有变更的 slug，不会重复添加。
示例仅供说明。上线前请核对技术栈与许可。若需交付，请发来简报。