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 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