数据量够，三点可以再压：
24K 上下文 TTFT 19.7s 是 prefill 决定的，vLLM 侧只有前缀缓存命中率和 chunked prefill 两个杠杆。如果 agent 每步都在同一长前缀上滚，命中后 TTFT 应掉到百毫秒级；没掉就先查每步 prompt 是否都变了（工具输出插在中间会让整段前缀失效）。
MTP 2.05 倍很亮，但要连接受长度一起看：num_speculative_tokens=4 在高并发下验证 FLOPs 翻倍，4 并发只 +24% 吞吐，很可能就是这里被吃掉。扫 k=2/3/4，画「接受长度 x 有效吞吐」再定。
单卡 1–2 并发饱和是 R9700 带宽（640GB/s）决定的，27B INT4 权重约 15GB，dense 上限粗算约 40 t/s。注意你 MTP 关掉只有 19.5，不到这个上限的一半，说明引擎本身还没吃满带宽（ROCm kernel、fp8 KV/HND 布局都可能是原因），这块单独查可能比调并发更值钱。对 24K 长链，结论应该偏「限并发保 TTFT」，而不是追聚合吞吐。
max-num-seqs 4 收到 2、gpu-mem 0.95 是对的方向。
