7900 XTX 的可能性探索｜单卡篇（四）：魔法打败魔法 - 7900XTX Strata 引擎跑Qwen3.8 Flash-Next 快得让我怀疑人生
-
-
-
补充更新（10 月 1 日）：Strata 升级 + RDNA3 WMMA，Prefill提升约 18%
上一篇测试使用的是：
Strata v0.1.27
搜到了一个好东西RDNA3 WMMA 优化。又肝了一晚，把测试环境升级到了：
Strata v0.1.31 + PR #313
原来的生产 tree 没动，另外开了独立 worktree 编译测试。
结果相当直接：
单卡 RX 7900 XTX，192K Context
Prefill：1081.3 → 1268.5 t/s
Decode：58.2 → 58.7 t/s
也就是说：
Prefill +17.3%，Decode 基本不变。
而且这不是某一个短 Context 的偶然高点。
我按统一口径重新跑了：
8K / 32K / 64K / 128K / 192K
每档：
- 2 次 warmup
- 3 次正式测试
- 使用引擎自报纯 Prefill
- Context 按整数档重新构造
- 其它运行参数保持一致
结果如下：
Context 实际 Prompt 原版 Prefill WMMA Prefill 提升 8K 8,095 1209.2 1413.6 +16.9% 32K 32,416 1211.8 1438.9 +18.7% 64K 64,836 1206.8 1417.8 +17.5% 128K 129,677 1143.8 1351.6 +18.2% 192K 194,517 1081.3 1268.5 +17.3% 五档平均提升大约：
+17.7%
这次优化是什么？
这次用的是 Strata 的：
RDNA3 WMMA PR #313
它的前身是 PR #260，后来重新整理并以新的方式实现。
核心目的很直接：
把 RX 7900 XTX / gfx1100 上的 RDNA3
v_wmma_*矩阵指令真正用起来。主要包括两条路径：
- Dense WMMA GEMM
- WMMA Prompt Attention
也就是说，这次不是单纯改几个参数，也不是换一个更激进的 benchmark 配置。
而是：
让 gfx1100 原本没有充分利用的矩阵计算能力真正参与 Prefill。
特别感谢这条优化的作者和 Strata 维护者
相关项目和 PR：
-
RDNA3 WMMA 原始 PR #260
https://github.com/Niko1221/Strata/pull/260 -
后续重做版 PR #313
https://github.com/Niko1221/Strata/pull/313
特别感谢提交和维护这条 RDNA3 WMMA 优化路线的贡献者。
这种优化我很喜欢：
不是“调几个参数跑分快一点”，而是真正把 gfx1100 上原本没有吃满的硬件能力用起来。
为什么这次 +18% 我觉得很有价值？
因为我的 baseline 本身已经不是一个没有调过的 Strata。
上一篇那套已经包括：
- gfx1100 HIP 编译
- MMQ
- Resident CPU Experts
- 本地 hipBLASLt 100202 tuning table
- 27 rows 全部校验 PASS
- Prefill chunk 8192
- 5 个 CPU worker
- int8 KV
- 32K KV resident budget
也就是说：
这不是拿一个慢 fallback 去和 WMMA 比。
而是在我上一篇已经优化过、已经跑到 1000+ Prefill 的配置上：
再稳定叠加约 18%。
这个结果比单点高分对我更有意义。
怎么开启？
PR #313 的 WMMA 默认关闭。
需要手动开启：
export STRATA_WMMA_GEMM=1 export STRATA_PA_WMMA=1我最终使用的是：
STRATA_WMMA_GEMM=1 STRATA_PA_WMMA=1
在我这套配置上，两个开关必须一起开
我专门测试过：
只开：
STRATA_WMMA_GEMM=1但不开：
STRATA_PA_WMMA32K 反而变慢：
原版：1211.8 t/s
只开 GEMM：916 t/s
所以至少在我当前这套：
RX 7900 XTX
Orca IQ3_XXS
Strata v0.1.31 + PR #313上，我最终采用的是：
WMMA GEMM + WMMA Prompt Attention 两个一起开。
不要根据“GEMM 是主要优化项”就想当然地只开一个。
编译
编译参数和上一篇第 2 节基本一致：
- HIP
- gfx1100
- MMQ
- ROCm 7.2.3
区别只是：
上一篇：Strata v0.1.27
本次补测：Strata v0.1.31 + PR #313
我是在独立 worktree 上重新编译测试的。
原来的生产 tree完全没动。
-
-
@Prio 我个人觉得decode 有50+ 就够了
希望prefill 能上3000，至少有2000 才舒服
-
-
-
-
-
-
@kenshin 我也是64G内存，我这边在 7900 XTX + Strata 跑 Flash-Next 也踩过这个坑， 一开始测试的时候也是报内存不够，调整了几次就好了。
Strata 的 --resident-cpu-experts 模式启动时对 系统 RAM 可用量要求很高，不是看你“装了多少 RAM”，而是看启动瞬间还有多少 available memory。
我这边 Orca IQ3_XXS 的实测大概是：- expert resident RAM：约 31.95 GiB
- prefill borrow：约 3.92 GiB
- 再加模型运行、page cache、Strata 本身以及安全余量
实际建议启动前至少留出 约 50 GiB 可用 RAM。
我这台机器只有 64GB RAM，所以如果另一张卡上的 27B 服务、Hermes 或其他进程也在吃内存，Strata 就很容易在加载阶段失败，或者退回 mmap 路径，性能会明显掉。
我最后的办法不是乱调参数，而是：
- 先看 MemAvailable，不要只看总内存。
- 启动 Strata 前先卸载/停掉占系统 RAM 很多的其他模型。
- 确保 swap 不在疯狂工作；能启动但一直 swap，速度也会很难看。
- 如果要跑我们那套高性能配置，尽量保留：
--resident-cpu-experts - 实在内存不够，可以不用 resident CPU experts、改走 mmap/streaming，但这是“能跑”的方案，不是我们测到 1000+ Prefill 的那套性能方案。
其实都是我的本地Agent在搞，我就是一直给它鼓励和压力，它就自己搞出来了，哈哈
-
@xiaopbro 这个看起来不像是 R9700 跑不了 Strata。我问了下 AI，更可能是 gfx1201 这边的编译 / ROCm 环境有问题。
Strata 现在已经正式支持 R9700 / gfx1201，官方也有 R9700 实机跑通的记录。现在比较靠谱的路线，一个是 system ROCm 7.14，另一个就是直接走 Strata setup 自带的 TheRock 7.10 gfx120X。
你现在这套是 ROCm 7.2.1 + clang 22，而且 stall report 已经显示 GPU kernel 基本没正常跑起来。要不要考虑先换到 Strata 官方推荐的 TheRock / gfx120X 环境再重新编一次试试？
对了，我的 7900 XTX 那套手工 ROCm / hipBLASLt / WMMA 参数别原样照搬过去，那套是针对 gfx1100 调的，gfx1201 不是一回事。
-
@xiaopbro 这个看起来不像是 R9700 跑不了 Strata。我问了下 AI，更可能是 gfx1201 这边的编译 / ROCm 环境有问题。
Strata 现在已经正式支持 R9700 / gfx1201，官方也有 R9700 实机跑通的记录。现在比较靠谱的路线，一个是 system ROCm 7.14，另一个就是直接走 Strata setup 自带的 TheRock 7.10 gfx120X。
你现在这套是 ROCm 7.2.1 + clang 22，而且 stall report 已经显示 GPU kernel 基本没正常跑起来。要不要考虑先换到 Strata 官方推荐的 TheRock / gfx120X 环境再重新编一次试试？
对了，我的 7900 XTX 那套手工 ROCm / hipBLASLt / WMMA 参数别原样照搬过去，那套是针对 gfx1100 调的，gfx1201 不是一回事。
-
-
@xiaopbro 哦太好了，恭喜恭喜！我最近注意到，R9700 这条 RDNA4 / gfx1201 线的优化进展，感觉明显比 RDNA3 / gfx1100 快不少。很多新 kernel、WMMA、ROCm 适配好像都是先照顾 RDNA4。你这边如果把编译环境理顺，后面应该还有不少性能可以挖。
-
-
-
-
，
T terry 固定了此主题
-
-
版主审定：本帖设为精华，作者 +5 积分奖励，希望再接再厉！