文章

24G Mac mini 实测 Qwen3.8 原生 MTP：内存省了 3GB，速度反而降了 24%——与 DFlash 2 同机对照

上一篇 DFlash 2 实测结尾预告过的路线：Qwen3.8 自带训练好的 MTP 多 token 预测头，llama.cpp 已支持直接挂载，不需要额外 2B 草稿模型。这次在同一台 24G Mac mini M4 上把它跑通并与 DFlash 2 正面对照：内存确实更省（峰值 16.0GB vs 19.4GB），但速度是净减速——散文 6.0 → 4.5 tok/s（-24%），代码也没赚。同机 DFlash 2 是 1.8–1.9x 加速。差距不在草稿质量（接受率 59–85% 很健康），在 Metal 后端：batch 8 解码摊薄实测只有 1.13x，验证 3 行草稿的代价≈3 次完整前向，草稿再准也赚不回来。