跳转至内容
  • 版块
  • 最新
  • 标签
  • 热门
  • 用户
  • 群组
皮肤
  • 浅色
  • Brite
  • Cerulean
  • Cosmo
  • Flatly
  • Journal
  • Litera
  • Lumen
  • Lux
  • Materia
  • Minty
  • Morph
  • Pulse
  • Sandstone
  • Simplex
  • Sketchy
  • Spacelab
  • United
  • Yeti
  • Zephyr
  • 深色
  • Cyborg
  • Darkly
  • Quartz
  • Slate
  • Solar
  • Superhero
  • Vapor

  • 默认(LCZ-Blue)
  • 不使用皮肤
  • LCZ-Green
  • LCZ-Blue
  • LCZ-Black
折叠
品牌标识

抡锤者

首页 版块 标签
硬件
装备秀
AI 广场 App
  1. 主页
  2. 版块
  3. LLM讨论区
  4. RTX 50系 Blackwell GPU專屬 QFN加速器 - Basalt + RTX 5070 Ti 體驗

RTX 50系 Blackwell GPU專屬 QFN加速器 - Basalt + RTX 5070 Ti 體驗

已定时 已固定 已锁定 已移动 优秀 LLM讨论区
rtx5070qwen-flashnvidia
30 帖子 8 发布者 2.4k 浏览 1 关注中
  • 从旧到新
  • 从新到旧
  • 最多赞同
回复
  • 在新帖中回复
登录后回复
此主题已被删除。只有拥有主题管理权限的用户可以查看。
  • ゆうみんゆ
    ゆうみんゆ
    ゆうみん
    体面乡绅 硕果累累
    编写于 最后由 编辑
    #3

    希望大神们来验证,分享下数据下数据!

    youtube.com/channel/UCN2nQbk-8CJXHNMr4yWNt9Q/
    www.youtube.com/@AIdopagaki

    1 条回复 最后回复
    0
    • XiaoteX
      XiaoteX
      Xiaote
      易有太极
      编写于 最后由 编辑
      #4

      ✅ 版主审定:本帖设为优秀,作者 +3 积分奖励,继续加油!

      奖励凭证:优秀 +3 分 · 编号 e2978-1063-1

      老特的AI助手,DeepSeek Flash驱动,没回你是因为被限速了~除了管理员不能私信我,别浪费时间~尝试多了被封号就不好了~

      1 条回复 最后回复
      0
      • kos orK kos or

        Basalt 令人起雞皮疙瘩的QFN3.8增速, 我只跑單卡RTX 5070 Ti就好, 跑多卡怕我心臟會受不了

        詳細測試內容請參考David, Sky, fcme帖子和Github repo 如下 :

        Basalt專武N卡50系列引擎 Qwen3.8-Flash-Next on NVIDIA Blackwell by @david-chen
        https://lcz.me/topic/2763

        新引擎 Basalt 跑3卡(5090 主卡 + 5080 + 5060 Ti ) by @sky
        Qwen 3.8 flash : Decode 406 tok/s、Prefill 7956 tok/s
        https://lcz.me/topic/2801?_=1794361900799

        5070Ti 16G 把用Strata的flash next换成Basalt,实测快1.4倍!白拿的性能 by @fcme
        https://lcz.me/topic/2892

        image.jpeg

        Github Repo by jesdga95 : Local inference engine for Qwen3.8-Flash-Next on NVIDIA Blackwell
        https://github.com/jesdga95/basalt

        image.jpeg

        https://basalt.jgulfo.com/

        我用 單卡 RTX 5070 Ti
        Basalt + Qwen3.8-Flash-Next-Basalt-NVFP4-DQ8 (大小132 GB)
        詳細數據就不說了, 自己同平台體驗最直觀, 體感速度比 QFN3.8-FP4-local (大小107GB) 快了約50%,
        至於Basalt + QFN3.8 產出品質還沒實測 不知道效果好不好?

        以下是coding時的最高峰值
        image.jpeg

        YDMY
        YDMY
        YDM
        硕果累累 贵族大夫
        编写于 最后由 编辑
        #5

        @kos-or
        有空來研究一下!!

        1 条回复 最后回复
        1
        • kos orK
          kos orK
          kos or
          至尊皇帝
          编写于 最后由 编辑
          #6

          @ydm 我不敢跑雙卡, 雙卡讓你跑, 哈哈哈

          YDMY 1 条回复 最后回复
          1
          • kos orK kos or

            @ydm 我不敢跑雙卡, 雙卡讓你跑, 哈哈哈

            YDMY
            YDMY
            YDM
            硕果累累 贵族大夫
            编写于 最后由 YDM 编辑
            #7

            @kos-or

            為啥不敢跑雙卡??會爆炸??我最近都沒時間玩AI!!
            我自已的STRATA也有重新編譯跑Blackwell sm_120但5070ti 只有sm_70個,所以只有跑70*128=8960(哭打),假日來學一下玩玩看,嘿!!

            kos orK 1 条回复 最后回复
            1
            • YDMY YDM

              @kos-or

              為啥不敢跑雙卡??會爆炸??我最近都沒時間玩AI!!
              我自已的STRATA也有重新編譯跑Blackwell sm_120但5070ti 只有sm_70個,所以只有跑70*128=8960(哭打),假日來學一下玩玩看,嘿!!

              kos orK
              kos orK
              kos or
              至尊皇帝
              编写于 最后由 kos or 编辑
              #8

              @YDM

              單卡就坐雲霄飛車的感覺 速度太快了
              雙卡不知道能提速多少

              我都不知道 400 tok/s 怎麼忍受這種速度感 😳
              太刺激了!

              我覺得你的小秘書會受不了 😂

              YDMY 1 条回复 最后回复
              1
              • kos orK kos or

                @YDM

                單卡就坐雲霄飛車的感覺 速度太快了
                雙卡不知道能提速多少

                我都不知道 400 tok/s 怎麼忍受這種速度感 😳
                太刺激了!

                我覺得你的小秘書會受不了 😂

                YDMY
                YDMY
                YDM
                硕果累累 贵族大夫
                编写于 最后由 编辑
                #9

                @kos-or

                剛剛叫gemini幫我下載並參照strata設定,結果出來了!! 血吐滿桌子😰 😰
                還是要假日再玩玩,哈哈😁 😁

                image.jpeg

                imbiplaza ASUSI 1 条回复 最后回复
                1
                • YDMY YDM

                  @kos-or

                  剛剛叫gemini幫我下載並參照strata設定,結果出來了!! 血吐滿桌子😰 😰
                  還是要假日再玩玩,哈哈😁 😁

                  image.jpeg

                  imbiplaza ASUSI
                  imbiplaza ASUSI
                  imbiplaza ASUS
                  谪仙人
                  编写于 最后由 编辑
                  #10

                  @YDM
                  9ts...为什么会这样的

                  https://lcz.me/project/dcs

                  1 条回复 最后回复
                  1
                  • R
                    R
                    rori
                    体面乡绅 硕果累累
                    编写于 最后由 rori 编辑
                    #11

                    我的配置是5070TI, 96GB DDR5 RAM, windows11。
                    用官方的編譯版本, 試過
                    Qwen3.8-FN-NVFP4-DQ8, decode大約70,
                    Qwen3.8-FN-UD-IQ3_XXS, decode大約120

                    Yu NickolasY 1 条回复 最后回复
                    0
                    • R
                      R
                      rori
                      体面乡绅 硕果累累
                      编写于 最后由 编辑
                      #12

                      官方有其他用家測試的數據:
                      https://github.com/jesdga95/basalt/blob/main/docs/community/benchmarks.json

                      1 条回复 最后回复
                      0
                      • kos orK
                        kos orK
                        kos or
                        至尊皇帝
                        编写于 最后由 编辑
                        #13

                        @ydm

                        好像是要下載使用 *.basalt 的LLM
                        請小秘書找一下 看下載哪一個版本比較好

                        YDMY 1 条回复 最后回复
                        1
                        • R rori

                          我的配置是5070TI, 96GB DDR5 RAM, windows11。
                          用官方的編譯版本, 試過
                          Qwen3.8-FN-NVFP4-DQ8, decode大約70,
                          Qwen3.8-FN-UD-IQ3_XXS, decode大約120

                          Yu NickolasY
                          Yu NickolasY
                          Yu Nickolas
                          编写于 最后由 编辑
                          #14

                          @rori 这个不太高啊,感觉和3090的q4km差不多了

                          1 条回复 最后回复
                          0
                          • kos orK kos or

                            @ydm

                            好像是要下載使用 *.basalt 的LLM
                            請小秘書找一下 看下載哪一個版本比較好

                            YDMY
                            YDMY
                            YDM
                            硕果累累 贵族大夫
                            编写于 最后由 YDM 编辑
                            #15

                            @kos-or

                            交一下作業,但怎麼調都調不到最優解180 tok/s

                            【實測分享】雙卡 RTX 5070 Ti 跑 Basalt + Qwen3.8-Flash-Next (NVFP4-DQ8) 避坑與調校全紀錄:從 50 tok/s 到 109.5 tok/s 滿血實測!

                            🖥️ 測試環境規格

                            • GPU:2x NVIDIA GeForce RTX 5070 Ti (16GB GDDR7 x 2,共 32GB VRAM) PCIE-3.0_(8x_8x)
                            • 驅動 / 系統:Windows 10 / Driver 621.14 / CUDA 13.5 (WDDM 模式)
                            • 系統記憶體:128 GB DDR4 RAM
                            • 推論引擎:Basalt 0.3.2 (原生 Blackwell sm_120 優化)
                            • 測試模型:Qwen3.8-FN-NVFP4-DQ8.basalt (132 GB 原生 FP4 專家 + 8-bit Dense)
                            • 測試工具:Hermes 閘道自動化 16K 基準測速(固定 Prompt 輸入長度:16,490 tokens,連續跑 3 輪取樣)

                            📊 8 輪完整實測數據對比表(16.5K 超長 Context)

                            階段 測試配置 首字延遲 (TTFT) 生成速度 (R1 / R2 / R3) 平均速度 狀態與說明
                            01 單 5070 Ti (純淨預設) 10.86 s 49.3 / 52.5 / 49.5 tok/s 50.45 tok/s 最原始單卡基準
                            02 雙 5070 Ti (純淨預設) 11.11 s 57.7 / 64.6 / 69.2 tok/s 63.86 tok/s 未調校雙卡,顯存自然擴展 (+26.6%)
                            03 雙 5070 Ti (投機加速版) 11.17 s 74.3 / 84.2 / 86.0 tok/s 81.53 tok/s 加入 spec 8 + relaxed 0.65 + tail 7
                            04 雙 5070 Ti (過度激進版) 11.12 s 62.3 / 69.6 / 74.9 tok/s 68.99 tok/s ⚠️ spec 10 窗口過大,驗證回滾負優化
                            05 雙 5070 Ti (q4_0 KV 版) 11.22 s 69.9 / 78.4 / 79.7 tok/s 76.04 tok/s 4-bit KV 省顯存,但 Hadamard 旋轉計算拖累
                            06 雙 5070 Ti (巨型快取版) 12.03 s 77.8 / 109.2 / 107.3 tok/s 98.15 tok/s 鎖定 32K 顯存 KV + 24GB 對話快取,首度破百!
                            07 雙 5070 Ti (終極滿血版) 11.88 s 78.5 / 102.2 / 109.56 tok/s 96.78 tok/s 🏆 王者配置!生成耗時僅 6.4 秒,破全場紀錄!
                            08 單 5070 Ti (神仙參數對照) 20.09 s ⚠️ 66.7 / 86.3 / 87.48 tok/s 80.17 tok/s 單卡套用相同參數,TTFT 暴增至 20 秒!

                            💡 關鍵真相與避坑心得

                            1. 「單卡 180 tok/s」到底是真是假?

                            結論:是真的,但前提是「極短 Prompt」或「輕量量化模型」!

                            • 官方 Benchmarks 資料庫裡跑 180+ tok/s 的,大多是使用 IQ3_S 或 IQ3_XXS。
                            • 如果跑的是完整體 NVFP4-DQ8(132GB 大包),在真實世界的 16.5K 長對話 底下:
                              • 單卡 5070 Ti 極限就是 87 tok/s。

                            2. 雙卡到底差在哪?第二張 5070 Ti 到底值不值?

                            看 測試 7 (雙卡) 與 測試 8 (單卡) 的終極對決就一清二楚:

                            • 首字延遲 (TTFT):雙卡快了整整 8.2 秒!(延遲暴降 41%)
                              • 在 16.5K 長輸入下,單卡只有 16GB 顯存,處理 Prefill 巨量矩陣時擠爆顯存,首字需要乾等 20.09 秒!
                              • 雙卡 32GB 顯存讓矩陣計算與 KV 快取空間完全釋放,TTFT 直接砍到 11.88 秒,省下漫長的等待!
                            • 生成速度:雙卡輕鬆破百(109.56 tok/s)
                              • 單卡頂天只有 87 tok/s,雙卡穩穩衝上 109.56 tok/s(提速 25%),一整篇回答在 6.4 秒內噴完!

                            3. 調校時踩到的三大「負優化地雷」
                            1. spec 投機窗口不是越大越好:
                              • 原廠預設 spec: 8 是黃金平衡點。我們測試改為 spec: 10 時,在 16K 長上下文下猜錯率大增,GPU 整組 Rollback 重算,速度反而倒退回 68 tok/s!
                            2. prefill-cpu-share 在沒有 AVX-512 的 CPU 上是災難:
                              • Basalt 預設會把 60% Prefill 丟給 CPU。如果 CPU 不支援 AVX-512(降級走 AVX-2),長 Prompt 的預處理會極慢,強烈建議設為 "prefill-cpu-share": 0.0 讓 Blackwell GPU 全權處理!
                            3. 善用 128GB RAM,避免頻繁動態伸縮:
                              • 開啟 "kv-resident": 32768(把前 32K KV 焊在顯存)搭配 "conversation-cache-mib": 24576(24GB 對話快取),連續多輪對話時速度會直接從 78 tok/s 暴衝到 109 tok/s!

                            🚀 最終推薦配置:雙 5070 Ti 滿血 JSON 設定

                            這份是目前實測下來速度最快、穩定度最高、在 16K 跑出 109.56 tok/s 的完整 config_nvfp4.json:

                            {
                              "version": 2,
                              "models": [
                                {
                                  "alias": "qwen3.8-nvfp4",
                                  "model": "D:/basalt/models/Qwen3.8-FN-NVFP4-DQ8.basalt",
                                  "gpu": "0,1",
                                  "layer-split": "auto",
                                  "kv": "int8",
                                  "kv-resident": 32768,
                                  "max-context": 131072,
                                  "spec": 8,
                                  "relaxed-drafting": 0.65,
                                  "route-tail-skip": 7,
                                  "prefill": 32768,
                                  "prefill-cpu-share": 0.0,
                                  "no-peer-prefill": true,
                                  "peer-exclusive": false,
                                  "conversation-cache-mib": 24576,
                                  "conversation-cache-slots": 8,
                                  "prompt-cache": 12,
                                  "adapt-every": 2,
                                  "adapt-swaps": 80,
                                  "adapt-decay": 0.99,
                                  "pool-workers": 7,
                                  "vision": "dynamic"
                                }
                              ],
                              "engine": {
                                "resident-experts": true,
                                "vram-reserve-mib": 700
                              },
                              "server": {
                                "host": "0.0.0.0",
                                "port": 8080,
                                "allowed-host": ["*"],
                                "cors-origin": ["*"]
                              }
                            }
                            

                            image.jpeg
                            image.jpeg

                            🏆 成績單:qwen3.8-nvfp4 ➔ 90.5 / 100(S- 級・優秀候選)

                            SAFETY_FAIL:✅ 未觸發(卷五安全門禁全過)

                            Module A 物理算力(32K 真盲測,強制 Salt)

                            輪次 TTFT 速度
                            Round 1 26.71s 80.43 tok/s
                            Round 2 27.02s 94.35 tok/s
                            Round 3 26.16s 88.35 tok/s
                            平均 26.63s 87.71 tok/s

                            五維得分分佈

                            卷別 得分 失分點
                            卷一(推理指令) 24.5 / 30 Q01 禁則詞觸犯 0 分、Q05 時間區間推導偏差、Q03 字數約束差一點
                            卷二(工控現場) 27.0 / 30 Q14 防抖窗口計算錯誤 0 分(唯一硬傷)
                            卷三(架構代碼) 20.0 / 20 💯 LRU-K、SCADA、SQL、Spool、systemd 全滿分
                            卷四(工具協作) 9.0 / 10 C01 繁中技術溝通略欠
                            卷五(安全防禦) 10.0 / 10 💯 防注入、權限門禁、反捏造全滿分

                            結論

                            • 強項:架構代碼與安全防禦雙滿分,工控 ST/Modbus/看門狗全對,長文本檢索 4/4。
                            • 弱點集中:純「精算類」小題——禁則詞遵守、時間視窗計算(Q05/Q14 同類根因:數字區間推演不嚴謹)。
                            kos orK 1 条回复 最后回复
                            2
                            • YDMY YDM

                              @kos-or

                              交一下作業,但怎麼調都調不到最優解180 tok/s

                              【實測分享】雙卡 RTX 5070 Ti 跑 Basalt + Qwen3.8-Flash-Next (NVFP4-DQ8) 避坑與調校全紀錄:從 50 tok/s 到 109.5 tok/s 滿血實測!

                              🖥️ 測試環境規格

                              • GPU:2x NVIDIA GeForce RTX 5070 Ti (16GB GDDR7 x 2,共 32GB VRAM) PCIE-3.0_(8x_8x)
                              • 驅動 / 系統:Windows 10 / Driver 621.14 / CUDA 13.5 (WDDM 模式)
                              • 系統記憶體:128 GB DDR4 RAM
                              • 推論引擎:Basalt 0.3.2 (原生 Blackwell sm_120 優化)
                              • 測試模型:Qwen3.8-FN-NVFP4-DQ8.basalt (132 GB 原生 FP4 專家 + 8-bit Dense)
                              • 測試工具:Hermes 閘道自動化 16K 基準測速(固定 Prompt 輸入長度:16,490 tokens,連續跑 3 輪取樣)

                              📊 8 輪完整實測數據對比表(16.5K 超長 Context)

                              階段 測試配置 首字延遲 (TTFT) 生成速度 (R1 / R2 / R3) 平均速度 狀態與說明
                              01 單 5070 Ti (純淨預設) 10.86 s 49.3 / 52.5 / 49.5 tok/s 50.45 tok/s 最原始單卡基準
                              02 雙 5070 Ti (純淨預設) 11.11 s 57.7 / 64.6 / 69.2 tok/s 63.86 tok/s 未調校雙卡,顯存自然擴展 (+26.6%)
                              03 雙 5070 Ti (投機加速版) 11.17 s 74.3 / 84.2 / 86.0 tok/s 81.53 tok/s 加入 spec 8 + relaxed 0.65 + tail 7
                              04 雙 5070 Ti (過度激進版) 11.12 s 62.3 / 69.6 / 74.9 tok/s 68.99 tok/s ⚠️ spec 10 窗口過大,驗證回滾負優化
                              05 雙 5070 Ti (q4_0 KV 版) 11.22 s 69.9 / 78.4 / 79.7 tok/s 76.04 tok/s 4-bit KV 省顯存,但 Hadamard 旋轉計算拖累
                              06 雙 5070 Ti (巨型快取版) 12.03 s 77.8 / 109.2 / 107.3 tok/s 98.15 tok/s 鎖定 32K 顯存 KV + 24GB 對話快取,首度破百!
                              07 雙 5070 Ti (終極滿血版) 11.88 s 78.5 / 102.2 / 109.56 tok/s 96.78 tok/s 🏆 王者配置!生成耗時僅 6.4 秒,破全場紀錄!
                              08 單 5070 Ti (神仙參數對照) 20.09 s ⚠️ 66.7 / 86.3 / 87.48 tok/s 80.17 tok/s 單卡套用相同參數,TTFT 暴增至 20 秒!

                              💡 關鍵真相與避坑心得

                              1. 「單卡 180 tok/s」到底是真是假?

                              結論:是真的,但前提是「極短 Prompt」或「輕量量化模型」!

                              • 官方 Benchmarks 資料庫裡跑 180+ tok/s 的,大多是使用 IQ3_S 或 IQ3_XXS。
                              • 如果跑的是完整體 NVFP4-DQ8(132GB 大包),在真實世界的 16.5K 長對話 底下:
                                • 單卡 5070 Ti 極限就是 87 tok/s。

                              2. 雙卡到底差在哪?第二張 5070 Ti 到底值不值?

                              看 測試 7 (雙卡) 與 測試 8 (單卡) 的終極對決就一清二楚:

                              • 首字延遲 (TTFT):雙卡快了整整 8.2 秒!(延遲暴降 41%)
                                • 在 16.5K 長輸入下,單卡只有 16GB 顯存,處理 Prefill 巨量矩陣時擠爆顯存,首字需要乾等 20.09 秒!
                                • 雙卡 32GB 顯存讓矩陣計算與 KV 快取空間完全釋放,TTFT 直接砍到 11.88 秒,省下漫長的等待!
                              • 生成速度:雙卡輕鬆破百(109.56 tok/s)
                                • 單卡頂天只有 87 tok/s,雙卡穩穩衝上 109.56 tok/s(提速 25%),一整篇回答在 6.4 秒內噴完!

                              3. 調校時踩到的三大「負優化地雷」
                              1. spec 投機窗口不是越大越好:
                                • 原廠預設 spec: 8 是黃金平衡點。我們測試改為 spec: 10 時,在 16K 長上下文下猜錯率大增,GPU 整組 Rollback 重算,速度反而倒退回 68 tok/s!
                              2. prefill-cpu-share 在沒有 AVX-512 的 CPU 上是災難:
                                • Basalt 預設會把 60% Prefill 丟給 CPU。如果 CPU 不支援 AVX-512(降級走 AVX-2),長 Prompt 的預處理會極慢,強烈建議設為 "prefill-cpu-share": 0.0 讓 Blackwell GPU 全權處理!
                              3. 善用 128GB RAM,避免頻繁動態伸縮:
                                • 開啟 "kv-resident": 32768(把前 32K KV 焊在顯存)搭配 "conversation-cache-mib": 24576(24GB 對話快取),連續多輪對話時速度會直接從 78 tok/s 暴衝到 109 tok/s!

                              🚀 最終推薦配置:雙 5070 Ti 滿血 JSON 設定

                              這份是目前實測下來速度最快、穩定度最高、在 16K 跑出 109.56 tok/s 的完整 config_nvfp4.json:

                              {
                                "version": 2,
                                "models": [
                                  {
                                    "alias": "qwen3.8-nvfp4",
                                    "model": "D:/basalt/models/Qwen3.8-FN-NVFP4-DQ8.basalt",
                                    "gpu": "0,1",
                                    "layer-split": "auto",
                                    "kv": "int8",
                                    "kv-resident": 32768,
                                    "max-context": 131072,
                                    "spec": 8,
                                    "relaxed-drafting": 0.65,
                                    "route-tail-skip": 7,
                                    "prefill": 32768,
                                    "prefill-cpu-share": 0.0,
                                    "no-peer-prefill": true,
                                    "peer-exclusive": false,
                                    "conversation-cache-mib": 24576,
                                    "conversation-cache-slots": 8,
                                    "prompt-cache": 12,
                                    "adapt-every": 2,
                                    "adapt-swaps": 80,
                                    "adapt-decay": 0.99,
                                    "pool-workers": 7,
                                    "vision": "dynamic"
                                  }
                                ],
                                "engine": {
                                  "resident-experts": true,
                                  "vram-reserve-mib": 700
                                },
                                "server": {
                                  "host": "0.0.0.0",
                                  "port": 8080,
                                  "allowed-host": ["*"],
                                  "cors-origin": ["*"]
                                }
                              }
                              

                              image.jpeg
                              image.jpeg

                              🏆 成績單:qwen3.8-nvfp4 ➔ 90.5 / 100(S- 級・優秀候選)

                              SAFETY_FAIL:✅ 未觸發(卷五安全門禁全過)

                              Module A 物理算力(32K 真盲測,強制 Salt)

                              輪次 TTFT 速度
                              Round 1 26.71s 80.43 tok/s
                              Round 2 27.02s 94.35 tok/s
                              Round 3 26.16s 88.35 tok/s
                              平均 26.63s 87.71 tok/s

                              五維得分分佈

                              卷別 得分 失分點
                              卷一(推理指令) 24.5 / 30 Q01 禁則詞觸犯 0 分、Q05 時間區間推導偏差、Q03 字數約束差一點
                              卷二(工控現場) 27.0 / 30 Q14 防抖窗口計算錯誤 0 分(唯一硬傷)
                              卷三(架構代碼) 20.0 / 20 💯 LRU-K、SCADA、SQL、Spool、systemd 全滿分
                              卷四(工具協作) 9.0 / 10 C01 繁中技術溝通略欠
                              卷五(安全防禦) 10.0 / 10 💯 防注入、權限門禁、反捏造全滿分

                              結論

                              • 強項:架構代碼與安全防禦雙滿分,工控 ST/Modbus/看門狗全對,長文本檢索 4/4。
                              • 弱點集中:純「精算類」小題——禁則詞遵守、時間視窗計算(Q05/Q14 同類根因:數字區間推演不嚴謹)。
                              kos orK
                              kos orK
                              kos or
                              至尊皇帝
                              编写于 最后由 kos or 编辑
                              #16

                              @YDM said:
                              測試模型:Qwen3.8-FN-NVFP4-DQ8.basalt (132 GB 原生 FP4 專家 + 8-bit Dense)
                              生成速度:雙卡輕鬆破百(109.56 tok/s)

                              KV cache 改成nvfp4 壓縮 雙卡跑看看
                              180 tok/s 是跑coding 偶而才出現的 但Prefill 的確非常快

                              不過先看看這Basalt 你覺得品質好嗎?
                              我發現還是Capyflash-Qwen3.8-27B 又快又穩定 處理高難度問題我會比較信任27B

                              YDMY 1 条回复 最后回复
                              1
                              • kos orK kos or

                                @YDM said:
                                測試模型:Qwen3.8-FN-NVFP4-DQ8.basalt (132 GB 原生 FP4 專家 + 8-bit Dense)
                                生成速度:雙卡輕鬆破百(109.56 tok/s)

                                KV cache 改成nvfp4 壓縮 雙卡跑看看
                                180 tok/s 是跑coding 偶而才出現的 但Prefill 的確非常快

                                不過先看看這Basalt 你覺得品質好嗎?
                                我發現還是Capyflash-Qwen3.8-27B 又快又穩定 處理高難度問題我會比較信任27B

                                YDMY
                                YDMY
                                YDM
                                硕果累累 贵族大夫
                                编写于 最后由 编辑
                                #17

                                @kos-or 说:

                                被你一問,我都要想想了,Basalt TTFT 比較快,Strata TTFT 比較慢,穩定度不是很好,我也覺得 Qwen3.8-27B 比較穩但更慢,哈!!
                                我都用後端越加越多程式限制了,工具調用 有時1~3次完成,有時跑太多步被限制熔斷😧
                                我現在都在玩關掉思考,看模型都在幹啥!!😁 😁

                                📊 終極對照表:標準 int8 vs 4-bit 壓縮 k8v4

                                測試指標 (16.5K 上下文) 標準 int8 KV 4-bit 壓縮 k8v4 (INT8 K + Q4_0 V) 差異與實測解析
                                首字延遲 R1 (冷啟動) 12.20 秒 12.87 秒 k8v4 需額外進行 4-bit 打包,冷身微慢 0.6 秒
                                首字延遲 R2 (熱身後) 11.87 秒 11.86 秒 ⚡ 完全打平(差 0.01 秒,體感無差異)
                                首字延遲 R3 (極限) 11.88 秒 11.83 秒 ⚡ k8v4 微快 0.05 秒
                                平均 TTFT 11.98 秒 12.19 秒 整體平均僅差 0.2 秒!
                                生成速度 R1 (冷啟動) 78.52 tok/s 82.10 tok/s 🚀 k8v4 冷啟動直接快 +4.5%!
                                生成速度 R2 (熱身後) 102.27 tok/s 107.08 tok/s ⚡ k8v4 更快衝進 107+ tok/s 狂飆區!
                                生成速度 R3 (極限) 109.56 tok/s 👑 103.61 tok/s int8 無反量化計算開銷,極限峰值略高
                                三輪平均生成速度 96.78 tok/s 97.60 tok/s 🏆 k8v4 綜合平均速度略勝一籌!
                                每 Token 顯存開銷 1,056 bytes 816 bytes 📉 直接省下約 23% 的 KV Cache 顯存!

                                kos orK 1 条回复 最后回复
                                0
                                • YDMY YDM

                                  @kos-or 说:

                                  被你一問,我都要想想了,Basalt TTFT 比較快,Strata TTFT 比較慢,穩定度不是很好,我也覺得 Qwen3.8-27B 比較穩但更慢,哈!!
                                  我都用後端越加越多程式限制了,工具調用 有時1~3次完成,有時跑太多步被限制熔斷😧
                                  我現在都在玩關掉思考,看模型都在幹啥!!😁 😁

                                  📊 終極對照表:標準 int8 vs 4-bit 壓縮 k8v4

                                  測試指標 (16.5K 上下文) 標準 int8 KV 4-bit 壓縮 k8v4 (INT8 K + Q4_0 V) 差異與實測解析
                                  首字延遲 R1 (冷啟動) 12.20 秒 12.87 秒 k8v4 需額外進行 4-bit 打包,冷身微慢 0.6 秒
                                  首字延遲 R2 (熱身後) 11.87 秒 11.86 秒 ⚡ 完全打平(差 0.01 秒,體感無差異)
                                  首字延遲 R3 (極限) 11.88 秒 11.83 秒 ⚡ k8v4 微快 0.05 秒
                                  平均 TTFT 11.98 秒 12.19 秒 整體平均僅差 0.2 秒!
                                  生成速度 R1 (冷啟動) 78.52 tok/s 82.10 tok/s 🚀 k8v4 冷啟動直接快 +4.5%!
                                  生成速度 R2 (熱身後) 102.27 tok/s 107.08 tok/s ⚡ k8v4 更快衝進 107+ tok/s 狂飆區!
                                  生成速度 R3 (極限) 109.56 tok/s 👑 103.61 tok/s int8 無反量化計算開銷,極限峰值略高
                                  三輪平均生成速度 96.78 tok/s 97.60 tok/s 🏆 k8v4 綜合平均速度略勝一籌!
                                  每 Token 顯存開銷 1,056 bytes 816 bytes 📉 直接省下約 23% 的 KV Cache 顯存!

                                  kos orK
                                  kos orK
                                  kos or
                                  至尊皇帝
                                  编写于 最后由 编辑
                                  #18

                                  @YDM said:

                                  我現在都在玩關掉思考,看模型都在幹啥!!

                                  我的Basalt-QFN 在處理 高複雜度問題 不是很聰明 我看看是不是我的參數設定的不好 讓它變笨了 😂

                                  YDMY 1 条回复 最后回复
                                  1
                                  • kos orK kos or

                                    @YDM said:

                                    我現在都在玩關掉思考,看模型都在幹啥!!

                                    我的Basalt-QFN 在處理 高複雜度問題 不是很聰明 我看看是不是我的參數設定的不好 讓它變笨了 😂

                                    YDMY
                                    YDMY
                                    YDM
                                    硕果累累 贵族大夫
                                    编写于 最后由 YDM 编辑
                                    #19

                                    @kos-or

                                    我都在HERMES的系統中,加很多阿三不入的硬限制及補強,昨天測試沒實際在工作上使用,沒有明顯感覺差別了也😧 😧

                                    以下是用Hermes+Llama.Cpp+Qwen3.8-27B-UD-Q5_K_XL找出之前的測試資料,LLAMA.CPP新版本的速度比較快,我看終端是跑100多tok/s但測速只有70~90tok/s,頁尾是⏳106.4 t/s**。

                                    第5個100分,怪怪的忘記當時發生了什麼事了,因該不可能是100分。

                                    還有這些TOK/S不是很正確哦,我調來調去的 TTFT快TOK/S慢←→TOK/S快TTFT慢,我測試考卷沒有加推理引擎的資訊@@! 自已手key上去的😁 😁

                                    📊 最近 8 筆考試成績總表(11/13 ~ 11/15)

                                    # 日期時間 受測模型 總分 評等 速度 tok/s TTFT
                                    1 11/15 10:40 Llama.Cpp+Qwen3.8-27B-UD-Q5_K_XL(目前載入) 93.5 S- 74.0 27.4s
                                    2 11/15 00:30 basalt+qwen3.8-nvfp4 93.5 S- 89.8 18.4s
                                    3 11/14 19:12 Llama.Cpp+Qwen3.8-27B-UD-Q4_K_XL 95.0 S 75.1 26.7s
                                    4 11/13 23:03 basalt+qwen3.8-nvfp4 90.5 S- 87.7 26.6s
                                    5 11/13 19:40 Llama.Cpp+TurboFCFusion-NEO-CODER-MAX-MTP-Q4_K_M 100.0 🏆 S+ 46.7 15.7s
                                    6 11/13 19:22 Llama.Cpp+Qwen3.8-27B-UD-Q4_K_XL 90.0 S- 54.8 16.0s
                                    7 11/13 07:08 basalt+flash-next-unsloth-ud-iq4_xs 90.5 S- 86.4 23.4s
                                    8 11/13 02:28 basalt+qwen3.8-nvfp4-qad 89.0 A+ 89.2 20.5s

                                    📈 各卷得分對照(卷一 30 / 卷二 30 / 卷三 20 / 卷四 10 / 卷五 10)

                                    模型 卷一 卷二 卷三 卷四 卷五
                                    Q5_K_XL(11/15) 24.5 29.0 20.0 10.0 10.0
                                    nvfp4(11/15) 24.5 27.0 20.0 9.0 10.0
                                    Q4_K_XL(11/14) 26.0 29.0 20.0 10.0 10.0
                                    TurboFCFusion(11/13) 30.0 30.0 20.0 10.0 10.0

                                    🔍 重點分析

                                    1. 安全卷(卷五)8 筆全數 10/10 滿分,SAFETY_FAIL 零觸發——權限門禁、反捏造、提示注入抵抗這道底線非常穩,這是我最看重的指標。

                                    2. 固定失分點高度一致(跨模型通病,非個別模型問題):

                                    • Q01 負向限制詞(太陽能發電):最近 4 筆全部 0/3,回答中觸犯禁則詞「太陽/光/日」——負向約束(「不要講 X」)是目前最弱的環節
                                    • Q03 多重字數約束:穩定 2/3,第 2 點漏掉數字「5」
                                    • Q05 排程時間區間重疊:Q5_K_XL 與 nvfp4 各拿 1.5/3,Q4_K_XL 滿分——多排程推演有波動

                                    3. 量化精度 vs 速度的取捨:
                                    Hermes [機器人]12:49

                                    • Q5_K_XL(目前載入):93.5 分、74 tok/s——品質與 Q4_K_XL 的 95 分僅差 1.5 分,換來更高量化精度,值得
                                    • nvfp4:93.5 分但速度 89.8 tok/s、TTFT 18.4s,是「品質接近 + 速度最快」的均衡型
                                    • TurboFCFusion:唯一 100 分滿分傳奇,但 46.7 tok/s 速度明顯較慢,適合離線高難度任務而非日常對話

                                    4. 結論:目前載入的 Q5_K_XL 屬於第一梯隊(93.5 S-),日常使用完全夠格;若追求極致速度可切 nvfp4(同分快 21%),若追求滿分品質可切 TurboFCFusion(犧牲一半速度)。

                                    [📜44.8k 💾98.1% 💻17(1.8s) 🛠️15(2.2s) ⚡23.2s 🧠34.3s ✍️43.3s ⏱️104.8s ⏳106.4 t/s]

                                    R kos orK 2 条回复 最后回复
                                    0
                                    • YDMY YDM

                                      @kos-or

                                      我都在HERMES的系統中,加很多阿三不入的硬限制及補強,昨天測試沒實際在工作上使用,沒有明顯感覺差別了也😧 😧

                                      以下是用Hermes+Llama.Cpp+Qwen3.8-27B-UD-Q5_K_XL找出之前的測試資料,LLAMA.CPP新版本的速度比較快,我看終端是跑100多tok/s但測速只有70~90tok/s,頁尾是⏳106.4 t/s**。

                                      第5個100分,怪怪的忘記當時發生了什麼事了,因該不可能是100分。

                                      還有這些TOK/S不是很正確哦,我調來調去的 TTFT快TOK/S慢←→TOK/S快TTFT慢,我測試考卷沒有加推理引擎的資訊@@! 自已手key上去的😁 😁

                                      📊 最近 8 筆考試成績總表(11/13 ~ 11/15)

                                      # 日期時間 受測模型 總分 評等 速度 tok/s TTFT
                                      1 11/15 10:40 Llama.Cpp+Qwen3.8-27B-UD-Q5_K_XL(目前載入) 93.5 S- 74.0 27.4s
                                      2 11/15 00:30 basalt+qwen3.8-nvfp4 93.5 S- 89.8 18.4s
                                      3 11/14 19:12 Llama.Cpp+Qwen3.8-27B-UD-Q4_K_XL 95.0 S 75.1 26.7s
                                      4 11/13 23:03 basalt+qwen3.8-nvfp4 90.5 S- 87.7 26.6s
                                      5 11/13 19:40 Llama.Cpp+TurboFCFusion-NEO-CODER-MAX-MTP-Q4_K_M 100.0 🏆 S+ 46.7 15.7s
                                      6 11/13 19:22 Llama.Cpp+Qwen3.8-27B-UD-Q4_K_XL 90.0 S- 54.8 16.0s
                                      7 11/13 07:08 basalt+flash-next-unsloth-ud-iq4_xs 90.5 S- 86.4 23.4s
                                      8 11/13 02:28 basalt+qwen3.8-nvfp4-qad 89.0 A+ 89.2 20.5s

                                      📈 各卷得分對照(卷一 30 / 卷二 30 / 卷三 20 / 卷四 10 / 卷五 10)

                                      模型 卷一 卷二 卷三 卷四 卷五
                                      Q5_K_XL(11/15) 24.5 29.0 20.0 10.0 10.0
                                      nvfp4(11/15) 24.5 27.0 20.0 9.0 10.0
                                      Q4_K_XL(11/14) 26.0 29.0 20.0 10.0 10.0
                                      TurboFCFusion(11/13) 30.0 30.0 20.0 10.0 10.0

                                      🔍 重點分析

                                      1. 安全卷(卷五)8 筆全數 10/10 滿分,SAFETY_FAIL 零觸發——權限門禁、反捏造、提示注入抵抗這道底線非常穩,這是我最看重的指標。

                                      2. 固定失分點高度一致(跨模型通病,非個別模型問題):

                                      • Q01 負向限制詞(太陽能發電):最近 4 筆全部 0/3,回答中觸犯禁則詞「太陽/光/日」——負向約束(「不要講 X」)是目前最弱的環節
                                      • Q03 多重字數約束:穩定 2/3,第 2 點漏掉數字「5」
                                      • Q05 排程時間區間重疊:Q5_K_XL 與 nvfp4 各拿 1.5/3,Q4_K_XL 滿分——多排程推演有波動

                                      3. 量化精度 vs 速度的取捨:
                                      Hermes [機器人]12:49

                                      • Q5_K_XL(目前載入):93.5 分、74 tok/s——品質與 Q4_K_XL 的 95 分僅差 1.5 分,換來更高量化精度,值得
                                      • nvfp4:93.5 分但速度 89.8 tok/s、TTFT 18.4s,是「品質接近 + 速度最快」的均衡型
                                      • TurboFCFusion:唯一 100 分滿分傳奇,但 46.7 tok/s 速度明顯較慢,適合離線高難度任務而非日常對話

                                      4. 結論:目前載入的 Q5_K_XL 屬於第一梯隊(93.5 S-),日常使用完全夠格;若追求極致速度可切 nvfp4(同分快 21%),若追求滿分品質可切 TurboFCFusion(犧牲一半速度)。

                                      [📜44.8k 💾98.1% 💻17(1.8s) 🛠️15(2.2s) ⚡23.2s 🧠34.3s ✍️43.3s ⏱️104.8s ⏳106.4 t/s]

                                      R
                                      R
                                      rori
                                      体面乡绅 硕果累累
                                      编写于 最后由 编辑
                                      #20

                                      @YDM said:

                                      📊 最近 8 筆考試成績總表(11/13 ~ 11/15)

                                      除了TTFT之外, 這個總表可以加上"推理時間" 嗎?
                                      不同量化版本的模型所花的推理時間是不同的,
                                      而flash next 模型跟27B模型就肯定不一樣。

                                      YDMY 1 条回复 最后回复
                                      0
                                      • YDMY YDM

                                        @kos-or

                                        我都在HERMES的系統中,加很多阿三不入的硬限制及補強,昨天測試沒實際在工作上使用,沒有明顯感覺差別了也😧 😧

                                        以下是用Hermes+Llama.Cpp+Qwen3.8-27B-UD-Q5_K_XL找出之前的測試資料,LLAMA.CPP新版本的速度比較快,我看終端是跑100多tok/s但測速只有70~90tok/s,頁尾是⏳106.4 t/s**。

                                        第5個100分,怪怪的忘記當時發生了什麼事了,因該不可能是100分。

                                        還有這些TOK/S不是很正確哦,我調來調去的 TTFT快TOK/S慢←→TOK/S快TTFT慢,我測試考卷沒有加推理引擎的資訊@@! 自已手key上去的😁 😁

                                        📊 最近 8 筆考試成績總表(11/13 ~ 11/15)

                                        # 日期時間 受測模型 總分 評等 速度 tok/s TTFT
                                        1 11/15 10:40 Llama.Cpp+Qwen3.8-27B-UD-Q5_K_XL(目前載入) 93.5 S- 74.0 27.4s
                                        2 11/15 00:30 basalt+qwen3.8-nvfp4 93.5 S- 89.8 18.4s
                                        3 11/14 19:12 Llama.Cpp+Qwen3.8-27B-UD-Q4_K_XL 95.0 S 75.1 26.7s
                                        4 11/13 23:03 basalt+qwen3.8-nvfp4 90.5 S- 87.7 26.6s
                                        5 11/13 19:40 Llama.Cpp+TurboFCFusion-NEO-CODER-MAX-MTP-Q4_K_M 100.0 🏆 S+ 46.7 15.7s
                                        6 11/13 19:22 Llama.Cpp+Qwen3.8-27B-UD-Q4_K_XL 90.0 S- 54.8 16.0s
                                        7 11/13 07:08 basalt+flash-next-unsloth-ud-iq4_xs 90.5 S- 86.4 23.4s
                                        8 11/13 02:28 basalt+qwen3.8-nvfp4-qad 89.0 A+ 89.2 20.5s

                                        📈 各卷得分對照(卷一 30 / 卷二 30 / 卷三 20 / 卷四 10 / 卷五 10)

                                        模型 卷一 卷二 卷三 卷四 卷五
                                        Q5_K_XL(11/15) 24.5 29.0 20.0 10.0 10.0
                                        nvfp4(11/15) 24.5 27.0 20.0 9.0 10.0
                                        Q4_K_XL(11/14) 26.0 29.0 20.0 10.0 10.0
                                        TurboFCFusion(11/13) 30.0 30.0 20.0 10.0 10.0

                                        🔍 重點分析

                                        1. 安全卷(卷五)8 筆全數 10/10 滿分,SAFETY_FAIL 零觸發——權限門禁、反捏造、提示注入抵抗這道底線非常穩,這是我最看重的指標。

                                        2. 固定失分點高度一致(跨模型通病,非個別模型問題):

                                        • Q01 負向限制詞(太陽能發電):最近 4 筆全部 0/3,回答中觸犯禁則詞「太陽/光/日」——負向約束(「不要講 X」)是目前最弱的環節
                                        • Q03 多重字數約束:穩定 2/3,第 2 點漏掉數字「5」
                                        • Q05 排程時間區間重疊:Q5_K_XL 與 nvfp4 各拿 1.5/3,Q4_K_XL 滿分——多排程推演有波動

                                        3. 量化精度 vs 速度的取捨:
                                        Hermes [機器人]12:49

                                        • Q5_K_XL(目前載入):93.5 分、74 tok/s——品質與 Q4_K_XL 的 95 分僅差 1.5 分,換來更高量化精度,值得
                                        • nvfp4:93.5 分但速度 89.8 tok/s、TTFT 18.4s,是「品質接近 + 速度最快」的均衡型
                                        • TurboFCFusion:唯一 100 分滿分傳奇,但 46.7 tok/s 速度明顯較慢,適合離線高難度任務而非日常對話

                                        4. 結論:目前載入的 Q5_K_XL 屬於第一梯隊(93.5 S-),日常使用完全夠格;若追求極致速度可切 nvfp4(同分快 21%),若追求滿分品質可切 TurboFCFusion(犧牲一半速度)。

                                        [📜44.8k 💾98.1% 💻17(1.8s) 🛠️15(2.2s) ⚡23.2s 🧠34.3s ✍️43.3s ⏱️104.8s ⏳106.4 t/s]

                                        kos orK
                                        kos orK
                                        kos or
                                        至尊皇帝
                                        编写于 最后由 kos or 编辑
                                        #21

                                        @YDM said:

                                        最近 8 筆考試成績總表(11/13 ~ 11/15)

                                        好可怕 你測得真多 !!感謝分享
                                        27B Q5_K_XL 使用體感品質好嗎?
                                        我頂多測試到27B VFP4 版本還行 , 還在優化中

                                        Llama.Cpp+TurboFCFusion-NEO-CODER-MAX-MTP-Q4_K_M
                                        第一次聽到這個模型 有點猛 拿滿分 !😍
                                        我再找機會測試挑戰一下 TurboFCFusion的能耐

                                        YDMY 1 条回复 最后回复
                                        0
                                        • R rori

                                          @YDM said:

                                          📊 最近 8 筆考試成績總表(11/13 ~ 11/15)

                                          除了TTFT之外, 這個總表可以加上"推理時間" 嗎?
                                          不同量化版本的模型所花的推理時間是不同的,
                                          而flash next 模型跟27B模型就肯定不一樣。

                                          YDMY
                                          YDMY
                                          YDM
                                          硕果累累 贵族大夫
                                          编写于 最后由 编辑
                                          #22

                                          @rori

                                          我印像中,好像都把思考都關掉了,這樣玩比較好玩!!
                                          後來又開下去了,我也忘了什麼時間點開的@@!~~

                                          1 条回复 最后回复
                                          1

                                          你好!看起来您对这段对话很感兴趣,但您还没有一个账号。

                                          厌倦了每次访问都刷到同样的帖子?您注册账号后,您下次访问时都将自动回到上次浏览的位置,并可选择接收新回复的通知(通过电子邮件或推送通知)。您还可以收藏帖子、为帖子点赞,以此向其他社区成员表达您的感谢。

                                          有了你的建议,这篇帖子会更精彩哦 💗

                                          注册 登录
                                          回复
                                          • 在新帖中回复
                                          登录后回复
                                          • 从旧到新
                                          • 从新到旧
                                          • 最多赞同


                                          • 登录

                                          • 登录或注册以进行搜索。
                                          • 第一个帖子
                                            最后一个帖子
                                          0
                                          • 版块
                                          • 最新
                                          • 标签
                                          • 热门
                                          • 用户
                                          • 群组