双R9700 P2P+双卡TP 方案总结

[suboyang]

@fcme

按说这个sglang方案是没有问题的
https://github.com/StevenChenSE/sglang/tree/gfx1100-support#chinese

双卡7900xtx 跑出了这样的水平，R9700 应该更高才对。

[applejuice]

@suboyang
按硬件能力来说
r9700 不可能 超过7900xtx 毕竟带宽差了50%

还是那句话r9700 突然爆火
是因为社区把fp8利用起来 prefill 推高了
decode 还是被带宽限制了

如果没有dflash2 没有mtp
r9700 decode 惨不忍睹
而在实际用途 decode成绩 绝对不会是测试的那么漂亮

@xiaote 纠正我如果我错了

[suboyang]

@applejuice

但是带宽影响比较大的是视频生成，和语音生成。大模型TP未必这么敏感，这个还得有人测。主要成本实在太高，要不然我自己早上手了。

[applejuice]

@suboyang 视频对vram 大小 带宽都有要求

只是vram更重要因为大小决定了可以生成更长的视频

[fcme]

@suboyang
这一点你说错了，我好好求证过，sglang只支持到RDNA3，R9700是RDNA4，一字之差就是不支持，NND。所以就得等民间大神的移花接木技术了。
现在有了更牛逼的在线模型估计也快了吧

[suboyang]

@applejuice

https://github.com/StevenChenSE/sglang/tree/gfx1100-support#chinese
这个方案实际上论坛里是没有人测试过R9700双卡的，需要换一下模型，和KV参数。

需要有人完全测过这个方案才行，就算R9700带宽只有640G，也不至于双卡TP 50多token，这还玩个毛线。R9700 就只能单卡方案了，那么AMD本地模型还差的很远。

[applejuice]

@suboyang 如果只根据硬件来说 双卡r9700 真的只有50-60t/s

7900xtx 3090 大概80-90
5090 是一倍160-180

厂家的刀法 很厉害

[fcme]

@suboyang
9700核心是赣西1201，不能用这个

[suboyang]

@applejuice 说:

双卡r9700 真的只有50-60t/s

双卡r9700 真的只有50-60t/s，那就洗洗睡了，双R9700 没有意义。

[suboyang]

@fcme 说:

sglang只支持到RDNA3

sglang只支持到RDNA3？？？？ 是吗？ 我没注意过这个问题，那就只能vllm了。也就是说双卡R9700 只能用vllm 推了，没有其他方案了。 谢谢你补充了，这么关键的一个问题。

[suboyang]

@fcme

不对啊
https://github.com/mattbucci/2x-R9700-RDNA4-GFX1201-sglang-inference

这不是有sglang 支持吗？你说的是双7900xtx 不支持，对吧？

[fcme]

@suboyang
这个库我看是9月19号才发出来的，我的9700是在7月初买的。那时候我是搜遍了，全网都没有支持rdna4的sglang包。这个库里面还有Claude.md文件呢，所以大概和我想的差不多，这也是在AI帮助下搞的一个私人库。
总的来说，发展还是挺快的，两个月就把这个东西跑通了。
感觉，这个库挺有意思的，我回头研究一下可不可以搞一个单卡的SGlang，有这个打底了应该问题不太大。只是现在动力不足，paiton的那个目前来讲对R9700来说太够用了，个太好用了。

[suboyang]

你就单卡跑呗？就满足了？ 你上下文开的是多大的？

[fcme]

@suboyang
上下文200k（带识图，不带可以到240k左右），pp3800，tg100左右。
所以目前这个单卡的状态就已经很好用了，再折腾动力不足了，因为他基本上可以替代deepseek v4 flash了，比4.1flash差一些，但是日用工作太够了。

[suboyang]

@fcme
单卡如果是你这个效能，确实没必要双卡。你现在测过支持多少个并发，如果我开两个活，不知道能不能撑住。

[Brian]

@suboyang 双卡我试了，真可以120，我现在用FP8了，也能45-60之间

[suboyang]

@Brian

？？？？用的哪个github 脚本 什么方案？sglang 还是vllm ? FP4 120?

[Brian]

@suboyang vllm，sglang确定我这台x99 TP启动效果极差，上下文10k就跑不动了，PP启动还可以稳定到15-20左右，PP用不了MTP

[Brian]

@suboyang FXMP4，https://lcz.me/topic/1722

[fcme]

@suboyang
只开了单槽，双槽上下文太短了，没啥实际意义，至少对我的应用是这样。
但是好就好在，因为现在速度很快，单槽的话处理起来其实也挺快的，所以即使排队也很快，尤其是搭配dsh这种轻量化的Agent框架体验就很好。Hermes太重了，体验起来就还是慢，现在基本上已经弃用了