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。
  • 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
                      • kos orK kos or

                        @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
                        YDMY
                        YDM
                        硕果累累 贵族大夫
                        编写于 最后由 YDM 编辑
                        #23

                        @kos-or

                        27B Q5_K_XL 使用體感品質好嗎?
                        差別不大,覺得是HERMES小秘書要優化才行。

                        Llama.Cpp+TurboFCFusion-NEO-CODER-MAX-MTP-Q4_K_M
                        這個很久沒開了,完STRATA之前我是用這個,試了很久才試出來的,但我覺得這個有點不受控,我覺得他造假,還有考卷我又加個一些,就HSERMES近期發生的錯誤,沒有考這個模型,QNF-DQ8高1分但調用步驟兩步,27B Q5_K_XL跑了五步,才找到考卷。

                        還有,Qwen3.8-FN-NVFP4-DQ8 + Basalt,可玩性高一點,冷啟動50~80,和我熟了就都100~140,好怪也沒有看到出錯,早上跑LLAMA.CPP+27B Q5_K_XL,一直出問題,晚上回家又換回Qwen3.8-FN,這次用DQ8的,明天工作跑比較真實。

                        剛剛修程式,看到終端跳出快破200tok/s,趕快開UI看一下!!

                        這張截圖是本地端 AI 推論引擎(basalt serve)在處理對話時的即時運作日誌,主要顯示了讀取速度與生成文字速度(單位 t/s 代表每秒處理或生成的字詞片段數量,即 tokens/sec)。
                        畫面中的兩個核心速度指標如下:

                        • 讀取提示詞速度 (pp):227 ~ 240 t/s
                        • 畫面中的 pp=20315/18655c 7.3s 227t/s,代表系統這次接收了約 20,315 個字詞的輸入(因為有快取命中 hit=97.3%,實際只花了 7.3 秒就消化完畢,平均每秒處理 227 個字詞片段)。
                        • 生成回答速度 (tg):平均 145.6 t/s
                        • 畫面中的 tg=1903 145.6t/s,代表 AI 這次總共輸出了 1,903 個字詞片段,每秒平均吐出 145.6 個(剛開始時甚至衝到 189.4 t/s,全程穩定維持在 144 ~ 153 t/s 之間)。
                          其他關鍵狀態說明:
                        • ttft=7.3s:首字延遲時間,代表按下送出後,等了 7.3 秒才看到 AI 吐出第一個字(時間全花在前面消化 2 萬多字的長對話紀錄)。
                        • acc=69%:推測解碼(猜字加速機制)的命中率達 69%,這也是為什麼生成速度能高達 145 t/s 以上的主因。
                        • pcie=0.0%:代表所有模型資料都完全塞在顯示卡記憶體(VRAM)裡運算,完全沒有透過主機板通道去借用系統記憶體,效能發揮到了極致。
                          整體來說,在高達 2 萬多字的長對話上下文環境下,這個讀取與生成速度表現非常快且流暢。

                        image.jpeg
                        image.jpeg

                        kos orK 2 条回复 最后回复
                        1
                        • YDMY YDM

                          @kos-or

                          27B Q5_K_XL 使用體感品質好嗎?
                          差別不大,覺得是HERMES小秘書要優化才行。

                          Llama.Cpp+TurboFCFusion-NEO-CODER-MAX-MTP-Q4_K_M
                          這個很久沒開了,完STRATA之前我是用這個,試了很久才試出來的,但我覺得這個有點不受控,我覺得他造假,還有考卷我又加個一些,就HSERMES近期發生的錯誤,沒有考這個模型,QNF-DQ8高1分但調用步驟兩步,27B Q5_K_XL跑了五步,才找到考卷。

                          還有,Qwen3.8-FN-NVFP4-DQ8 + Basalt,可玩性高一點,冷啟動50~80,和我熟了就都100~140,好怪也沒有看到出錯,早上跑LLAMA.CPP+27B Q5_K_XL,一直出問題,晚上回家又換回Qwen3.8-FN,這次用DQ8的,明天工作跑比較真實。

                          剛剛修程式,看到終端跳出快破200tok/s,趕快開UI看一下!!

                          這張截圖是本地端 AI 推論引擎(basalt serve)在處理對話時的即時運作日誌,主要顯示了讀取速度與生成文字速度(單位 t/s 代表每秒處理或生成的字詞片段數量,即 tokens/sec)。
                          畫面中的兩個核心速度指標如下:

                          • 讀取提示詞速度 (pp):227 ~ 240 t/s
                          • 畫面中的 pp=20315/18655c 7.3s 227t/s,代表系統這次接收了約 20,315 個字詞的輸入(因為有快取命中 hit=97.3%,實際只花了 7.3 秒就消化完畢,平均每秒處理 227 個字詞片段)。
                          • 生成回答速度 (tg):平均 145.6 t/s
                          • 畫面中的 tg=1903 145.6t/s,代表 AI 這次總共輸出了 1,903 個字詞片段,每秒平均吐出 145.6 個(剛開始時甚至衝到 189.4 t/s,全程穩定維持在 144 ~ 153 t/s 之間)。
                            其他關鍵狀態說明:
                          • ttft=7.3s:首字延遲時間,代表按下送出後,等了 7.3 秒才看到 AI 吐出第一個字(時間全花在前面消化 2 萬多字的長對話紀錄)。
                          • acc=69%:推測解碼(猜字加速機制)的命中率達 69%,這也是為什麼生成速度能高達 145 t/s 以上的主因。
                          • pcie=0.0%:代表所有模型資料都完全塞在顯示卡記憶體(VRAM)裡運算,完全沒有透過主機板通道去借用系統記憶體,效能發揮到了極致。
                            整體來說,在高達 2 萬多字的長對話上下文環境下,這個讀取與生成速度表現非常快且流暢。

                          image.jpeg
                          image.jpeg

                          kos orK
                          kos orK
                          kos or
                          至尊皇帝
                          编写于 最后由 编辑
                          #24

                          @YDM said:

                          Qwen3.8-FN-NVFP4-DQ8 + Basalt,可玩性高一點,冷啟動50~80,和我熟了就都100~140,好怪也沒有看到出錯

                          對, 最近調整了一下 目前感到可行了 😊
                          預計把它和Capyfalsh-Qwen3.8-27B-NVFP4當主力

                          有網友說QFN要往Q8 8bit走, 會見到品質上的提升
                          以後用空再下載來玩玩

                          1 条回复 最后回复
                          1
                          • YDMY YDM

                            @kos-or

                            27B Q5_K_XL 使用體感品質好嗎?
                            差別不大,覺得是HERMES小秘書要優化才行。

                            Llama.Cpp+TurboFCFusion-NEO-CODER-MAX-MTP-Q4_K_M
                            這個很久沒開了,完STRATA之前我是用這個,試了很久才試出來的,但我覺得這個有點不受控,我覺得他造假,還有考卷我又加個一些,就HSERMES近期發生的錯誤,沒有考這個模型,QNF-DQ8高1分但調用步驟兩步,27B Q5_K_XL跑了五步,才找到考卷。

                            還有,Qwen3.8-FN-NVFP4-DQ8 + Basalt,可玩性高一點,冷啟動50~80,和我熟了就都100~140,好怪也沒有看到出錯,早上跑LLAMA.CPP+27B Q5_K_XL,一直出問題,晚上回家又換回Qwen3.8-FN,這次用DQ8的,明天工作跑比較真實。

                            剛剛修程式,看到終端跳出快破200tok/s,趕快開UI看一下!!

                            這張截圖是本地端 AI 推論引擎(basalt serve)在處理對話時的即時運作日誌,主要顯示了讀取速度與生成文字速度(單位 t/s 代表每秒處理或生成的字詞片段數量,即 tokens/sec)。
                            畫面中的兩個核心速度指標如下:

                            • 讀取提示詞速度 (pp):227 ~ 240 t/s
                            • 畫面中的 pp=20315/18655c 7.3s 227t/s,代表系統這次接收了約 20,315 個字詞的輸入(因為有快取命中 hit=97.3%,實際只花了 7.3 秒就消化完畢,平均每秒處理 227 個字詞片段)。
                            • 生成回答速度 (tg):平均 145.6 t/s
                            • 畫面中的 tg=1903 145.6t/s,代表 AI 這次總共輸出了 1,903 個字詞片段,每秒平均吐出 145.6 個(剛開始時甚至衝到 189.4 t/s,全程穩定維持在 144 ~ 153 t/s 之間)。
                              其他關鍵狀態說明:
                            • ttft=7.3s:首字延遲時間,代表按下送出後,等了 7.3 秒才看到 AI 吐出第一個字(時間全花在前面消化 2 萬多字的長對話紀錄)。
                            • acc=69%:推測解碼(猜字加速機制)的命中率達 69%,這也是為什麼生成速度能高達 145 t/s 以上的主因。
                            • pcie=0.0%:代表所有模型資料都完全塞在顯示卡記憶體(VRAM)裡運算,完全沒有透過主機板通道去借用系統記憶體,效能發揮到了極致。
                              整體來說,在高達 2 萬多字的長對話上下文環境下,這個讀取與生成速度表現非常快且流暢。

                            image.jpeg
                            image.jpeg

                            kos orK
                            kos orK
                            kos or
                            至尊皇帝
                            编写于 最后由 编辑
                            #25

                            @YDM said:

                            pcie=0.0%:代表所有模型資料都完全塞在顯示卡記憶體(VRAM)裡運算,完全沒有透過主機板通道去借用系統記憶體,效能發揮到了極致。

                            雙卡RTX 5070 Ti 大約比單卡快 40%~50%
                            在寫程式的時候TP2會破200 tok/s
                            還可能可以更快 但品質第一 目前應該算可行
                            至少表現比27B-NVFP4好
                            但就是無法像27B那樣多併發就是了

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

                              @YDM said:

                              pcie=0.0%:代表所有模型資料都完全塞在顯示卡記憶體(VRAM)裡運算,完全沒有透過主機板通道去借用系統記憶體,效能發揮到了極致。

                              雙卡RTX 5070 Ti 大約比單卡快 40%~50%
                              在寫程式的時候TP2會破200 tok/s
                              還可能可以更快 但品質第一 目前應該算可行
                              至少表現比27B-NVFP4好
                              但就是無法像27B那樣多併發就是了

                              YDMY
                              YDMY
                              YDM
                              硕果累累 贵族大夫
                              编写于 最后由 编辑
                              #26

                              @kos-or

                              我都排隊不用併發,昨天的問題也找到了,小改重編譯沒有改好,圖片辨識造成的多方問題,😀 😀 ~~~
                              剛剛更新 basalt 0.4.1後,重編譯後,連測三次:**我的是精簡版(依造我的硬體優化)**總感覺測速有點怪,改天再來檢查~~

                              📍 Qwen3.8-FN-NVFP4-DQ8 @ basalt 0.4.1|回測 16K:3/3 成功,平均 117.21 tok/s

                              三方對比總表:

                              測序 項目 R1 R2 R3 平均 tok/s 平均 TTFT
                              ① 16K 首測 108.5 91.9 94.1 98.15 13.66 s
                              ② 32K 121.3 127.9 127.5 125.54 19.72 s
                              ③ 16K 回測 96.5 125.7 129.4 117.21 16.61 s

                              鐵證判讀:

                              • 穩定區間浮現:三輪的 R2/R3 成熟輪全部落在 125~129 tok/s(②的 127.9/127.5、③的 125.7/129.4),這才是 0.4.1 的真實火力。
                              • 首測 98 的低谷(91.9/94.1)已被回測高值(125+/129)物理推翻——同一模型、同一上下文、同一引擎,回測直接 +19.4%,佐證首測當下有短暫幹擾(GPU 競用或未熱機)。
                              • 對照 0.4.0 舊基準 119.70 tok/s:0.4.1 穩態約 125~129,不降反升,跨引擎疑慮正式排除 ✅。
                              • 殘留觀察點:每輪 R1 仍有冷啟動懲罰(③的 R1 只有 96.5、TTFT 16.85s),TTFT 平均約 13~19 秒屬正常抖動範圍。
                              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
                                #27

                                @ydm 請小秘書參考這個去優化試試看 https://lcz.me/topic/3036

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

                                  @ydm 請小秘書參考這個去優化試試看 https://lcz.me/topic/3036

                                  YDMY
                                  YDMY
                                  YDM
                                  硕果累累 贵族大夫
                                  编写于 最后由 编辑
                                  #28

                                  @kos-or

                                  對了,昨晚改了一下,BASALT跑快,今天試了一天,會容易跑偏步驟會變多,最終是作會出來,但反而花更多時間😁 😁

                                  考了一下試,的真會變差哦!!

                                  🏆 成績:85.75 / 100 | A 級(良好基線)

                                  受測模型:Qwen3.8-FN-NVFP4-DQ8|SAFETY_FAIL:✅ 未觸發(卷六全過)|46 題實打實全量發送

                                  📊 六維得分板

                                  卷別 維度 得分 狀態
                                  卷一 邏輯推理與約束服從 15.0 / 20 ⚠️ 主要失分區
                                  卷二 工控領域實戰 18.0 / 20 🔥 優
                                  卷三 代碼架構深度 15.0 / 15 💯 滿分
                                  卷四 溝通與工具協作 9.0 / 10 🔥 優
                                  卷五 安全防禦 10.0 / 10 💯 滿分
                                  卷六 工具紀律防線 18.75 / 25 ⚠️ 失分重災區

                                  ⚡ Module A 物理性能(32K 真實 Prefill + Salt 防快取)

                                  • 平均生成速度:130.4 tok/s|真實平均 TTFT:16.28 s(遠超 70 tok/s 基準線,硬體體檢正常)
                                  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
                                    #29

                                    @ydm

                                    這個好像得分蠻猛的 我下載了Uncensored版本 留者以後使用 => TurboFCFusion-NEO-CODER-MAX-MTP-Q4_K_M

                                    MoE在指令遵從(約束服從)方面 好像沒27B來得嚴謹 但有優化的空間 要做漂亮的畫面就找MoE 哈哈

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

                                      @ydm

                                      這個好像得分蠻猛的 我下載了Uncensored版本 留者以後使用 => TurboFCFusion-NEO-CODER-MAX-MTP-Q4_K_M

                                      MoE在指令遵從(約束服從)方面 好像沒27B來得嚴謹 但有優化的空間 要做漂亮的畫面就找MoE 哈哈

                                      YDMY
                                      YDMY
                                      YDM
                                      硕果累累 贵族大夫
                                      编写于 最后由 编辑
                                      #30

                                      @kos-or

                                      TurboFCFusion-NEO-CODER-MAX-MTP-Q4_K_M

                                      我試用了幾天,但沒有真正的上線小秘書,所以也不是很清楚,你玩玩好用的話,通知一下,😁

                                      1 条回复 最后回复
                                      0

                                      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