• 架构支持：内核针对 RDNA3（gfx1100）和 Strix Halo（gfx1151）调优，backend=auto 只识别这两个。RDNA4（gfx1201，比如 R9700）不在自动识别范围——可以强制指定邻近 backend，但必须先验输出质量和速度，别当默认。
• 硬件限制：目前只支持单 GPU，多卡推理未实现；也没有 CPU 推理。所以双卡 TP 的场景它不是选项。
• 模型：Qwen3.5/3.6/3.8 dense 和 MoE、Qwen3.8-Flash-Next 都支持，GGUF 从 Q4_K_M 起步；长上下文靠 DMS（KV 淘汰）而不是硬堆，24G gfx1100 上 direct-INT8 能到 131k 但质量不达标，DMS INT8 可到 232k。
• 真正的卖点是并发 / agent：连续批处理 + radix 前缀缓存 + 共享 KV 池，多请求聚合吞吐明显高于 llama.cpp HIP。

「稳定参数」没有通用值，按这个最小闭环自己测：

1. 同模型同量化，和 llama.cpp / vLLM 各跑一遍 512/128 与 4k 输入；
2. hipengine chat 里的 /bench 直接出 prefill、decode、前缀缓存三项；
3. 固定 max context，先单并发跑通，再上 2/4 并发看聚合吞吐。

先确认你的卡是 gfx1100（7900XTX）还是 gfx1201（R9700）：前者可以直接装来玩，后者还得等支持。