v0.1.43 发布说明里写着「RDNA3 (gfx11) and older keep their 0.1.42 behaviour: we have no such card to measure on」——官方没有 gfx11 的卡可测。但坛里已有 XTX 车主报 IQ3_S 从 60+ 升到 70+ t/s。这篇用同一台机器、同一套确定性负载，把 0.1.41 和 0.1.43.1 各跑一遍 IQ3_XXS 与 IQ3_S，逐轮数据全部公开，顺便 A/B 了两个 0.1.43 的 AMD opt-in 开关。

一、环境

二、测法（两版本逐 token 可比）

脚本打 OpenAI 兼容端点，agent 循环：每轮追加 ~4.2K token「工具输出」（中/英/代码混合、种子固定、两个版本生成完全相同的内容），模型回 ~200 token，下一轮带全部历史——前缀逐轮累积复用，即 Codex 型会话形态。之后做一次零复用冷填充。指标：TTFT=首字延迟；增量 prefill=本轮新增 token÷TTFT；decode=生成段 t/s；复用率=usage.cached_tokens/prompt_tokens。数字全部来自 usage 与引擎 /metrics 计数器，不是 wall time 估算。

三、结果总表

* opt-in 行只跑前 6 轮做 A/B。

头条：IQ3_S 在 gfx11 上升级 0.1.43.1，decode +20%（54→65），热轮 70-82 t/s；XXS +3.5%（113→117）。prefill 两个量化都微降 2-3%，在 agent 会话里被前缀复用掩盖（TTFT 5.0→5.2s）。

四、IQ3_S 逐轮对比（同内容同上下文，差别全在引擎）

第 3-5 轮从 52/55/57 跳到 70/74/82（+35%~44%），第 1、2、6 轮持平——提速集中在专家驻留热身后的稳态段。机制上 /metrics 草稿接受率从 36% 升到 77%（128/353 → 292/378），spec4 验证窗口明显更有效。

五、IQ3_XXS 22 轮长链（0.1.43.1，滚到 97K 上下文）

上下文 4.3K→97K，TTFT 全程 5.0-5.4s、decode 热态 108-129——97K 上下文的首字延迟与 4K 时无差别，单轮端到端 ~7.4s。0.1.41 对照（TTFT 4.6-5.2s、decode 108-124）同型，抽样对比：

六、opt-in 开关 A/B（0.1.43.1，XXS，前 6 轮）

• RESIDENT 判胜：引擎把全部专家驻进 RAM（本机 26.94 GiB pageable，日志明说 no file reads），专家缺页从内存交换而不是盘读。代价是 RAM 占用大涨——XXS pack 26.9G + 引擎自身，48G 机器跑 XXS 刚好；IQ3_S 的 pack 48.9G 在 48G 机器上开不了（可用 ~44G），要 64G 内存。
• GUMBEL 判负：XTX 上草稿接受率 89%→71%，速度反而微降。官方说的 AMD +5.7-9% 没在 gfx1100 复现。

七、Monitor 实拍（v0.1.43.1，运行中抓拍，非空闲）

• strata_xtx_xxs_monitor_431.png：XXS 热身段，TOK/S 79.3 / PREFILL 1028 / HIT 78%+PCIe 22% / Draft accepted 81% / 10,075 专家 16.3G / PCIe 4.0 x16
  

• strata_xtx_xxs_monitor_431_hot.png：XXS 热态，TOK/S 96.5 / PREFILL 1011 / HIT 77%+21% / Draft 84% / RAM 34.2/44.0
  

• strata_xtx_s_monitor_431.png：IQ3_S，TOK/S 58.6 / PREFILL 835 / Draft 57% / 9,728 专家 19.0G / ctx 32768 / RAM 40.9/44.0

八、升级与回退备注（Linux HIP 自编译）

• 0.1.43.1 与 0.1.41 同配方编译（third_party 复用、-DSTRATA_ENABLE_HIP=ON、-DCMAKE_HIP_COMPILER_ROCM_ROOT、engine 目标 125 步，-j6 约 90 秒）。坑：源码 zip 自带空 third_party/ 目录，直接 cp -r src dst 会套一层，要 cp -r src/. dst/。
• pack / tokenizer / MTP 跨版本直接复用，无需重打包；0.1.43.1 官方声明答案与 0.1.42 逐字节一致，gfx11 不吃 0.1.42 的 CUDA 默认开关，质量分数沿用即可。

九、结论

1. gfx11 车主值得升：官方没测 ≠ 没收益——IQ3_S decode +20% 是实打实的，XXS 也有 +3.5% 和接受率 +5pp；prefill 损失 2-3% 在 agent 会话里被前缀复用掩盖。
2. XXS 仍是 24G 卡甜点档：117 t/s / ctx 131072 / 97K 上下文 TTFT 平坦 / 复用 95.9%；IQ3_S 65 t/s 但 ctx 砍 32K、无 MTP。
3. 48G 内存机开 STRATA_ROUTE_RESIDENT=1：XXS 再 +8%（热轮 124），代价是 RAM 几乎打满；IQ3_S 要开得 64G 内存。
4. GUMBEL 在 gfx1100 上别开。

数据：本目录 data/ 六个 JSON（两版本×两量化 + 两个 opt-in A/B），每轮 usage 与 /metrics 快照全量留存；0.1.41 基线与 0.1.43.1 由同一脚本同一种子生成，逐 token 可比。