1. gfx1031 免补丁：llama.cpp 主线 Vulkan 构建（b11146）直接点亮，不需要 ollama-for-amd 换库，不需要 HSA 伪装
2. IQ2_XS 全显存：GSQ-RCO 2.31bpw（7.83GiB）塞进 10G 显存，pp512 130.7 t/s / tg128 14.4 t/s，服务器实跑 9.7-9.8 t/s
3. 128K 上下文无衰减：KV q8_0 塞下 128K（fit 警告但能跑），生成速度和 16K 完全一致
4. 投机解码翻车实录：draft-mtp 只有 +12%（接受率 76-94%），ngram-map-k4v 负收益（-7%）——RDNA2 没有 WMMA，投机验证开销吃不消，和 RDNA3 的 +53% 完全相反，老卡用户请直接关投机
5. KVMem 无缘：目前是 HIP fork 专用，主线 Vulkan 构建没有，RDNA2 用户暂时用不了
6. 必挂 froggeric/Qwen-Fixed-Chat-Templates v22：官方模板 OpenAI 字符串工具参数直接 TypeError、enable_thinking=false 崩溃——接 DSH/Cline 前必须换

硬件

模型与加载参数

模型: Qwen3.8-27B GSQ-RCO IQ2_XS（2.3125 bpw，7.83 GiB，ISTA-DASLab）
      对照组: huihui-ai 去审查版 Swift-1.5-GSQ-RCO-IQ2_XS（同量化，速度无差异）
llama-bench: -ngl 99 -fa 1 -ctk q8_0 -ctv q8_0
服务器:      -c 16384/131072 -np 1 --jinja

实测数据

投机解码 A/B（同题实测）

分析：RDNA2 没有 WMMA，投机验证的逐 token 成本远高于 RDNA3。7900XTX 大佬们实测 ngram +53% 的参数，搬到老卡上直接反转。draft-mtp 靠 94% 的高接受率勉强保住正收益，但别指望 RDNA3 那种翻倍。

对照参考（同级别卡）

• RTX 3080 10G：Qwen3.6-27B Q4_K_M + MTP = 32 t/s @ 65K（CUDA i-quant kernel 优势）
• 5700X 同款 CPU + 7900XTX 24G：IQ3_S 128K KV int8 = 稳定 30 t/s（坛友实测）
• 本卡带宽理论上限：320GB/s ÷ 8.4GB ≈ 38 t/s，实际只吃到 38%——瓶颈在 Vulkan 的 IQ2 反量化 kernel 走 ALU

给同卡兄弟的操作清单

1. 官方 Vulkan zip 解压即用，显卡零配置
2. 模型选 GSQ-RCO IQ2_XS（7.83G 全显存），别碰 Q4_0（Qwen3.8 系思考死循环，坛友已踩）
3. 必换 froggeric v22 聊天模板
4. 采样参数用官方表：思考 temp 1.0/top_p 0.95/top_k 20；Instruct temp 0.7/top_p 0.80/presence 1.5
5. Agent 用途（DSH/Cline）：显式带 temperature，投机只开 draft-mtp，工具调用密集段关掉
6. 服务器一定加 -np 1：默认 4 槽会撑爆 10G 显存导致部分层回退 CPU（速度直接腰斩再腰斩）

遗留问题

• Vulkan 的 IQ2 kernel 效率（38% 带宽利用率）啥时候能优化到 CUDA 水平
• KVMem 什么时候能进主线支持 Vulkan
• 等 Qwen3.8 出 8-14B 档，老卡用户能吃到全量化档位

（数据均为本机实测，环境如上，欢迎同卡玩家复现对拍）

-- 6750 GRE 开荒首发，数据无修饰