谢谢等你后续，稳定后，我也整一套，主要是双卡R9700跑tcclaviger/Qwen3.8-27B-DFlash2-FP8 就是怕性能太低。

@suboyang 说:

@PhoenixRise2026

没关系，只是讨论而已，但是我看见你开启P2P 性能并没有释放很高。
不知道是模型的问题，还是调优的问题。这些你都试过吗？

tcclaviger/Qwen3.8-27B-DFlash2-FP8

https://github.com/magiccodingman/vllm-radiance

https://github.com/StevenChenSE/sglang/tree/gfx1100-support#chinese

按双卡 R9700的算力 80token/s 才算比较正常。而且低于80 token/s ,基本没法干活。

目前只是证明了在X99上把双 R9700 Direct P2P 真正跑通，后面有时间会测一下DFlash2、vllm-radiance。

@suboyang 说:

44-bit DMA address 可以在 Above 4G Decoding里改吗？

Above 4G 不能改 44-bit DMA。我的问题恰恰是 ReBAR 后 BAR 被放得太高，超过 44-bit DMA 可达范围，所以需要在内核侧处理。

• 第一槽：PCIe 3.0 x16（直連 CPU）
• 第二槽：PCIe 3.0 x4（走 PCH 南橋晶片）

在 Ubuntu 環境下實測過 ROCm（ROCm 10 / 7.14）與 Vulkan：

• Prefill (PP) 速度：ROCm 表現遠優於 Vulkan。
• 心得：在搭配 Agent 時，Prefill (PP) 的處理速度甚至比 Text Generation (TG) 還要關鍵！
• 上下文與 VRAM 實測狀況目前雙卡配置下，穩定運作的極限是 176K Context Length（KV Cache 設為 Q8）。如果開到 192K，VRAM 就會壓在臨界點附近偶爾會crash。
• 因為是個人使用，大部分時間 np=1 ；但如果要分派 Sub-agent 執行任務，會需要設定 np=2。不過這也差不多是這套配置的極限了，上下文再縮短實用性就不高。

SGLang 與 TP/PP 傳輸測試：
前兩天請 DeepSeek 協助安裝 SGLang，過程中同樣對 RCCL 與 P2P 進行了各項功能測試。最後也是打了類似的 Patch——否則 SGLang 的程式邏輯會判斷無法通訊，連CPU DMA都不走直接放棄。
但即使打了 Patch，走 CPU AllReduce 的效能跟 llama.cpp 的 Tensor Parallel (TP) mode 差不多，速度都遠慢於 Pipeline Parallel (PP) mode，基本上沒有實用價值。加上 SGLang 本身吃 VRAM 比 llama.cpp 更兇，能開的上下文反而更短。

總結：

• 建議走南橋的 PCIe 介面，最佳解依然是 PP (Pipeline Parallel) 分層模式。實測下來，PP 模式的 Prefill 速度甚至略微超越單張 R9700；不過 TG 速度就單卡水準，大概只有 R9700 的一半。
• 硬體升級思考：如果主機板本身支援 雙 PCIe x8/x8，且手邊已經有一張 9060 XT，再補一張二手跑 Tensor Parallel，整體性能應該有機會逼近 R9700。但算一算升級預算，如果手頭預算許可，直接買一張二手 RX 7900 XTX 可能是更乾淨俐落的選擇——畢竟 384-bit 帶來約 960 GB/s 的記憶體頻寬，在純單卡運算上優勢還是太明顯了，且雙卡在記憶體分配上會有尾巴浪費的零散區塊（我一張有接顯示輸出會佔用VRAM）。

前几天找铭瑄要了一下可以PCIE 拆分的产品，也可以

不用P2P，可以share-memory. 这个双卡7900xtx 也是share-memory

https://github.com/StevenChenSE/sglang/tree/gfx1100-support#chinese

南桥芯片的速度慢，其实也能TP，就是效率太低。

还有一个知识 就是所有的志强CPU AMD的撕裂者 ZEN 系列都是跨 Root Port P2P DMA，这个是企业级CPU默认支持的。

Root Port P2P 可以看成交换机的两个端口。root complex就是那个交换机。任意两个GPU通信 都需要Root Port P2P DMA。 PCIE switch 是4个GPU以上的解决方案。

没关系，只是讨论而已，但是我看见你开启P2P 性能并没有释放很高。
不知道是模型的问题，还是调优的问题。这些你都试过吗？

tcclaviger/Qwen3.8-27B-DFlash2-FP8

https://github.com/magiccodingman/vllm-radiance

https://github.com/StevenChenSE/sglang/tree/gfx1100-support#chinese

按双卡 R9700的算力 80token/s 才算比较正常。而且低于80 token/s ,基本没法干活。

@suboyang 说:

我没看懂你的帖子，如果是单路 CPU E5 系列，两个GPU 应该是挂在一个root complex 下啊？怎么还会跨 Root Port P2P？

这颗CPU ：Intel Xeon E5-2697A v4 支持P2P. 一颗CPU 怎么会挂在不同的 Broadwell Root Port ？

谢谢指出问题。是我帖子里“不同 CPU Root Port”这个说法不严谨。
我的机器是单路 E5-2697A v4，两张 GPU 都挂在同一颗 CPU 下，只是分别接在这颗 CPU 的不同 PCIe Root Port 上。
所以这里说的“跨 Root Port P2P”是同一 CPU、不同 Root Port 之间的 P2P，不是跨 CPU。

这颗CPU ：Intel Xeon E5-2697A v4 支持P2P. 一颗CPU 怎么会挂在不同的 Broadwell Root Port ？

@alan.lgv60 说:

大佬，从头到尾看完了，X99 跨 Root Port Direct P2P 跑通真的开眼界——之前一直以为硬件封死了，原来只是 kernel 白名单 + RCCL 策略两层软件问题。

我现在正计划 X99 + 双 R9700（已有 64GB DDR3），想抄你这条路线，有几个具体问题：

1. 定制 kernel（6.8.12-r9700-p2p-dma44）和 patched RCCL 2.27.7 可以公开 repo 吗？ 还是只是本地改？
2. X99-TF GAMING V6.0 的 ReBAR 是官方 BIOS 原生选项，还是刷了 mod BIOS？
3. 白名单 patch 是 Broadwell 专用，还是 Haswell（E5 v3）也适用？
4. 模型 fit 不进单卡（比如 70B 级）时 TP2 实际加速多少？ 27B 那个 1.01x 我理解是 fit 进单卡所以没意义，但真正需要双卡的模型有没有测过？
5. 供电有没有遇到瞬态尖峰跳闸？ 用了多少 W 电源、有没有做 pp_od_clk_voltage 限频降压？
6. 你这套 P2P 配置对 vLLM 有没有意义，还是只有 SGLang 才行？

很期待你的完整 write-up，到时候一定跟着做一遍交作业！

我T7910 1300w 电源，双R9700 双卡限制在210w 才能保证同步工作不重启跳闸。