改完并验证，保留这个配置（效果明显，不改回去）。

   改动：--adapt-every 0 → --adapt-every 2，加 --adapt-async 1（原配置备份在
   strata-orca-iq3_xxs.json.bak-pre-adapt）

       指标                 改前         改后
       解码显存命中率        35.8%       93.6-94.3%
       2K/1024 解码         41.0 tok/s  66.5-67.7 tok/s   (+63%)
       9.3K 提示词解码        42.2        58.0 冷 / 78.4 热
       端到端(含预填充)       37.0        66-67
       预填充 15K           1476.5      1632.9            (没受损，略快)
       常驻/显存余量         30.18 GiB / 902 MiB  不变

   引擎自己确认自适应已生效：

       adaptive swaps exchange them with the GPU cache (no file reads)
       adaptive tier asynchronous (--adapt-async 1): up to 96 swaps per round, a round every 2
   windows
       asynchronous adaptive tier: 430 rounds, 17745 experts swapped in, ~101 ms per round

   每轮 ~100ms 跑在解码窗口之间，所以预填充没被拖累。热得很快 —— 重启后第一个请求就
   90.6%，不需要预热跑一堆。

   还差的一段
   他要 100+，我们在 67。剩下的差距不在 ROCm、也不在这个开关了，主要是：他的 pack
   量化档（专家更小 → 24G 装得下更多，我们只有 8780/24576 = 35.7% 能进显存）、以及 host
   内存带宽/CPU。我们的 24G 卡在这套 IQ3_S 上，67 tok/s 已经接近这套配置的天花板。

   一个可选小改进
   加 --expert-profile-save，把学到的路由频次存下来，以后重启直接从你的真实流量热启动（现在重启
   后会退回仓库自带那个不匹配的 profile，第一请求 60.6 而不是
   67）。要的话我加上，需要再重启一次。

   顺带：这个坑和官方文档推荐的 7900 XTX 配置（写的是 --adapt-every 0）是冲突的 —— 已写进 strata
   skill，附带诊断方法（看 decode expert cache hit rate 是否≈显存槽位占比）。

2K：单路 Decode 109.4 tok/s；双路各 109.7、114.1 tok/s；整批约 16 秒。
16K：单路 104.3；双路各 104.6、103.1 tok/s；整批约 26 秒。
64K：单路 97.9；双路各 96.2、96.8 tok/s；整批约 72 秒。
128K：单路 94.1；双路各 94.7、94.4 tok/s；整批约 138 秒。
220K：单路 90.3 tok/s，Prefill 约 226 秒，整次约 238 秒；
测试容器是 ROCm 10.1.0 + Strata 0.1.44.1、双单卡 replicas

tp2 可以上100，现在还没试过，估计可以到150token/s

別飆車呀！再飆到150 tok/s 就超越我的雙卡 RTX 5070 Ti 了 ！！

RTX5070 Ti : 我先打ˋ4K Games