
DGX Spark 部署 vLLM + Open WebUI 运行 Qwen3-Coder-Next-FP8 (CUDA 13.0)
在 NVIDIA DGX Spark(Grace Blackwell 架构)上完成 vLLM 推理服务与 Open WebUI 的全流程部署。涵盖 CUDA 13.0 环境下 FlashAttention 源码编译、vLLM wheel 安装、Qwen3-Coder-Next-FP8 模型加载及性能调优。支持本地 uv 环境与远程 Docker 容器化两种接入方式,提供详细的参数配置与常见故障排查方案,实测单卡吞吐可达 40 token…















