请教你们都是怎么解决上下文总是满了的问题？
-
│完整配置一览：
硬件 项目 规格 ───── ─────────────────────────────────── CPU Intel i5-12600KF GPU AMD Radeon RX 7900 XTX（24GB VRAM） 内存 30GB（9.3GB 在用，21GB 可用） 硬盘 937GB NVMe（258GB 已用，29%） 系统 Ubuntu 26.04，内核 7.0.0 有线 192.168.2.120（enp5s0） Wi-Fi 192.168.200.107（wlp6s0，备用） 模型推理 项目 值 ──────── ─────────────────────────────────────── 模型 Qwen3.6-27B-MTP Q4_K_M 上下文 98,304 tokens 上下文 98,304 tokens 推理 MTP draft 模式（最大 2 个 draft token） 速度 ~45 tok/s GPU 全层 offload（-ngl 99） KV cache q4_0（省显存） 模板 temp 0.4、top-p 0.95 Hermes 配置 项目 值 ─────────── ────────────────────────────────── 版本 v0.17.0（~/bin/hugo v0.163.3） 最大轮次 50 压缩 开启，50% 阈值 → 压缩到 40% MEMORY 上限 4,400 字符 USER 上限 2,750 字符 SOUL.md 31 行（防死循环 + skill 加载规则） Dashboard :9119，auth: basic（vanvj） fallback DeepSeek V4 Flash 部署项目（~/project/） 项目 说明 ───────── ───────────────────── monkvan 神话传说（hugo-book） monkvancn 中国神话 oldvan 老梵博客（LoveIt） wellness 养生站（FixIt） 当前会话状态 项目 值 ─────────────── ────────────────────────────── 活跃会话 1 当前水位 38,204 / 98,304 tokens（39%） 缓存命中 58% Watchdog 每 5 分钟检测，>60% 自动存快照 Save-state cron 每 10 分钟自动备份 -
@vanvj 上下文开的有点保守了。我跟你一样的显卡，一样的模型，不加载mmproj，上下文可以开到160K。多轮会话后累积上下文太长了prefill速度受不了，但是把--cache-ram、--cache-prompt、--cache-reuse都用上，其实也就还好。我实际使用最多拉到了110K，能忍。7900XTX跑llama.cpp最重要的一点是用vulkan，别用rocm。
-
对比结果：
| 指标 | Vulkan | ROCm | 差异 | |-----------|-------------------------|--------------------------|----------------| | 生成速度 | 40.6 t/s (362 tok/8.9s) | 29.9 t/s (402 tok/13.4s) | Vulkan 快 36% | | 首 token | ~1.1s | ~1.5s | Vulkan 稍快 | | VRAM 占用 | 84% | 88-90% | Vulkan 省 4-6% | | 温度/功耗 | 待测 | 待测 | - | Vulkan（RADV）在 RX 7900 XTX 上比 ROCm 快 36%，而且 VRAM 占用更低。确实符合预期——RADV Vulkan 驱动在 RDNA3 上的优化现在比 ROCm 的 HIP 后端更好。
