跳转至内容
  • 0 赞同
    1 帖子
    24 浏览
    尚无回复
  • 0 赞同
    1 帖子
    39 浏览
    尚无回复
  • 0 赞同
    8 帖子
    135 浏览
    懒人烘培懒
    @imbiplaza-ASUS 我也觉得有这个方面的问题,先将就用,暂时不换U,可能会损失些性能
  • 0 赞同
    2 帖子
    111 浏览
    perterP
    @yi-song 说: 如果两个对话同时开,速度会慢,不知道为什么。 往上搜索了,2个对话同时运行的经验贴我都没试出来更好的效果。所以我贴一下我的经验,大家看看有没有提升到空间了。 你要开2个以上对话必须设定并发数,不然只能排队。 "parallel": X (X 是并发会话数,最大 8 ) "--conversation-cache-mib", "8192" 这个参数会让 strata 使用 RAM 来缓存历史对话,从而不让 LLM 反复重新 prefill 老的 session 。增加会话切换时的速度,对于 agent 、harness 场景有奇效。
  • X99 入坑 D3 128 4通道

    AI硬件 x99 7900xtx
    5
    0 赞同
    5 帖子
    134 浏览
    K
    E5 V4 cpu搭配DDR3 内存。最省+性能方案
  • llama-swap多机多模型管理实践

    AI Agent llama.cpp 7900xtx 服务器
    1
    0 赞同
    1 帖子
    37 浏览
    尚无回复
  • 7900XTX 四种双卡方案实测

    AI硬件 7900xtx 多卡部署 amd
    3
    0 赞同
    3 帖子
    199 浏览
    懒人烘培懒
    1.为什么你的整机功耗那么低,我配置7500F +DDR5 96G+蓝宝石+XFX 组成双7900XTX,显卡功率限制在分别限制在300,满载主机功率900W,感觉DDR5平台更费电哦 2.strata的双卡分层技术确实很强, prefill非常亮眼,我用IQ3_S只有3230,看有些大神优化到4000+以上, 单发确实不错。
  • 蓝宝石官方用9070xt氮动换7900xtx超白金

    AI硬件 7900xtx amd
    13
    0 赞同
    13 帖子
    206 浏览
    zhenyu huangZ
    @williamlouis 哈哈 我挺想要的 现在这个卡实在是太厚了
  • 1 赞同
    5 帖子
    362 浏览
    Jerry-Lee661J
    我就是这个 ROCm 项目的移植者,这个移植基本上要放弃了。涉及内核层的地方 AMD 水太深,不如试试 hipfire。 这个构筑跑 Bonsai2 NInfer v2 的无投机解码也不到 60-70 token/s。 补充一下你测到的长上下文掉速:这版移植的 attention 是 SIMT 逐 key 环,没有 flash-attention 分块,长上下文下 prefill 和生成会随 key 数近似线性退化。这是结构短板,项目已经暂停,不会再修了。 口径说明:上面 60-70 是 Bonsai2 PQ2 工件(2.13 bit)的无投机数字;你测的 AMD 列是官方 v2 工件(Q4/Q5/Q6,20 GB),权重和量化不同,不能直接对表。官方 v2 工件在这版移植上我们只做过短测,nospec 约 34 token/s,长上下文同样受 attention 结构限制。 最新单卡实测(greedy、int8 KV;NInfer 数字取 10 对交错或 3 跑中位,PQ2 工件): 口径(单卡) t/s 相对主门 103.8 3080Ti 契约(主门来源, serve MTP d2 中文) 103.8 100% 7900XTX 已知最强: PrismML serve ngram 60.69 58.5% 7900XTX llama.cpp 本传(27B 级) 41.7 40.2% NInfer@7900XTX CLI nospec (int8 KV) 65.2 62.8% NInfer@7900XTX CLI MTP d2 (验收 1.81) 45.6 43.9% NInfer@7900XTX serve nospec 57.9 55.8% NInfer@7900XTX serve MTP d2 (验收约 1.77) 40.2 38.7% 几点口径说明: 主门 103.8 来自 3080Ti 的 serve MTP d2 中文,跨卡跨工件,只当标尺用。 同为 7900XTX,hipfire 官方数据 AR 51.63 / MTP 87.52 / DFlash 131.69,但它是 4.458 bpw 工件,我们这套是 2.13 bit 的 PQ2,不是同质量口径,仅供参考。 你测的 64K 638.6 秒、生成 11.7 t/s,和上面的长上下文短板描述一致。
  • # Qwen3.8 Flash Next Q3_S 7900XTX + 128G DDR4 測速與優化

    AI Agent 7900xtx qwen-flash 量化
    2
    0 赞同
    2 帖子
    337 浏览
    J Z 0J
    @CHIA-AN-YANG 跟我测的差不多,我的cpu是5900xt,别的硬件跟你差不多,发现 设成0,结果最好。我现在用q4_k_xl,比你的慢一些
  • 0 赞同
    4 帖子
    300 浏览
    Bruce WayneB
    @terry GLM 使用 Maya-S24/IQ2_XXS_S DeepSeek 使用 Maya-S/IQ2_XXS
  • 3 赞同
    6 帖子
    530 浏览
    6
    Ben-Lee 说: @6cccccc 兄弟DeepSeek Flash现在好用不贵,你完全可以试试用DeepSeek先驱动你的本地Agent跑图跑视频。我实际测下来,7900XTX的生图速度,大概是比4080S要慢20%~40%,大多数出图每张也就是慢几秒到十几秒的事儿;比R9700慢一点或者差不多。或者你切换着用,做几个一键启动卸载脚本,27B或者Strata FN(如果你内存够的话)和COMFYUI按需加载,PCI4X16加载和卸载模型也就是几秒的事儿。 我现在就在用DeepSeek Flash 新版本挺不错的,不过有时候还是想折腾一下本地的,之前deepseek有时候会出现不怎么稳定的情况,不知道咋回事。昨天试了一下27B的(用qoder),感觉视觉那块有点问题,不能在读取图片+调用工具。可能得分开用才行。
  • 我的就比较野了

    热议 装备秀 r9700 7900xtx 多卡部署
    15
    5 赞同
    15 帖子
    492 浏览
    张光璞张
    @tom23 说: 很牛。是一套主机吗?电源怎么两个一起启动的 PCIE 交换机上是有完整的24pin 主机供电,通过SFF-8654 数据线自动唤醒开机
  • 0 赞同
    22 帖子
    717 浏览
    guang xingG
    @JZ 加油!这里面很多大神
  • 0 赞同
    3 帖子
    456 浏览
    farmer nodeF
    @J-Z-0 说: --ple-io ram --ple-io ram 这个改成 mmap , 你这个是把ngram 全部用内存加载了, QFN 的ngram 的原始权重有51G , 如果是IQ3 的话也有 20多G , 这是写冷专家,用的比较少,官方的建议是放ssd , --ple-io mmap , 这个是按需调用, 依然是ssd , --ple-io ram ,这个是直接放ram ,所以你的 内存上升的比较快, --ple-io ram 如果内存充裕可以放, 可以减少 token 输出的抖动。
  • 6 赞同
    9 帖子
    1k 浏览
    Ben LeeB
    @909 哈哈所以7900XTX持有者们需要多多出来碰瓷。现在MOE模型硬件门槛这么低了,7900XTX的独特地位确实有所下降,但是我辈既然买了就不纠结,干就完了。
  • 升级后单卡7900xtx,strata 可以跑 100token/s 了!!

    LLM讨论区 7900xtx strata
    27
    5 赞同
    27 帖子
    2k 浏览
    K
    @farmer-node对,停了27B,切换到IQ3_S了。暂时够用了。
  • 2 赞同
    5 帖子
    880 浏览
    terryT
    @Tony-Wang 我从来都不开思考,这是Agent的事。