@Kemou 在 Arxiv 论文：4060 笔电也能跑几十 B 模型了，吼吼吼夸张哦中发帖一句话总结：原本个人PC跑不起来大模型，主要是因为显存不够用，但是如果把东西放到CPU内存后，PCIe传输速度成了瓶颈这个优化直接把整个电脑视作一个整体，灵活地把 MoE 里不常用的 Expert 放到 CPU 内存里，常用的放在 GPU，甚至让一部分直接用 CPU 算，从而实现个人电脑跑大 MoE 具体实例： 4060 笔电 32g 内存跑Qwen3.6-35B-A3B，30+tok/s 5090 192ram 跑 dsv4f（284b a13B），20tok/s [image]测试的设备跑 Qwen3.6，注意到速度没差多少，因为算力不是核心瓶颈原论文： [2608.16157] FreeToken: Efficient Edge-Native MoE Serving with Bandwidth-Adaptive Execution 要注意的是...

@Kemou 在 Arxiv 论文：4060 笔电也能跑几十 B 模型了，吼吼吼夸张哦中发帖

一句话总结： 

原本个人PC跑不起来大模型，主要是因为显存不够用，但是如果把东西放到CPU内存后，PCIe传输速度成了瓶颈 
这个优化直接把整个电脑视作一个整体，灵活地把 MoE 里不常用的 Expert 放到 CPU 内存里，常用的放在 GPU，甚至让一部分直接用 CPU 算，从而实现个人电脑跑大 MoE 

具体实例： 

4060 笔电 32g 内存跑Qwen3.6-35B-A3B，30+tok/s 


5090 192ram 跑 dsv4f（284b a13B），20tok/s 


 [image]测试的设备跑 Qwen3.6，注意到速度没差多少，因为算力不是核心瓶颈 

原论文： [2608.16157] FreeToken: Efficient Edge-Native MoE Serving with Bandwidth-Adaptive Execution 
要注意的是...