Folia
← 返回头版

Qwen 3.8-27B在iPhone 18神经引擎上实现高效运行

开发者成功在iPhone 18的Apple Neural Engine上部署了Qwen 3.8-27B大型语言模型1。该实现通过向量量化和低比特权重压缩技术,将模型大小压缩至1.5比特每权重(bpw),同时支持24K的上下文长度1。

在性能表现方面,该模型在iPhone 18的A20处理器上的解码速度达到15-70 tok/s,其中标准场景下速度为15-60 tok/s,在易预测的上下文中可峰值达到70 tok/s1。技术实现上,K/V缓存采用int8量化以节省内存,而Delta网络保持FP16精度1。此外,草稿模型dflash-2采用混合2-4向量量化方案,大小约为2.8 bpw1。


评论