• LHR 只是以太坊挖矿算力限制，跟显存寻址、vBIOS、CUDA 性能无关。改不改得了看 PCB 位宽和颗粒数。
• 3080 12G 是 384-bit、12 颗 1GB GDDR6X。换 2GB 颗粒是 12×2=24G，不是 20G；常见「3080 20G」是 10G 版（320-bit、10 颗）换 10 颗 2GB 颗粒改的，两条路线板子不一样。
• 所以 12G 版「改不了 20G」是真的，但原因不是 LHR：位宽对不上。要做 24G 还得有能按 2GB 颗粒训练的 vBIOS，现成可刷的极少，12 颗全换的成本和返修风险比 10G→20G 高一截。
• 就算改到 24G，带宽还是 ~912 GB/s，不会比现在快多少。对你这套 MoE，多出的显存主要换 expert slot 和 KV 常驻，tg 能抬，pp 仍卡 PCIe 3.0 + 22C Broadwell。
• 结论：改装卡不值。要显存上二手 3090 24G（936 GB/s、官方 vBIOS、驱动稳）；想低风险先补 128G DDR3，长上下文尾延迟和 OOM 余量收益更直接。

20G 显存（+8G）

• 多出的 8G 基本是二选一：多塞 ~2000 个 expert slot（现在 3024 个、hit 0.546），或把 KV 常驻从 32K 提到 96K–128K。建议 6:2 分，优先抬 hit。
• 全给 expert 的话 hit 估 0.62–0.68，tg 从 72 到 90–105 t/s，热聊 105–125；pp 只 +5–10%，约 1550–1750，还是卡在 22C Broadwell + PCIe 3.0。
• 首字：热 0.1–0.3s；冷 8K 约 4.3–4.7s、32K 约 19–21s、120K 约 71–78s。粗算 TTFT ≈ tokens/pp + 0.3–1s，别指望冷启动质变。
• CTX：196K 现在就能跑，20G 主要让 256K 以内更从容；320K 以上还是要回 RAM 流式，模型训练长度才是硬上限。

128G DDR3

• 容量只解决「够不够」，不解决「快不快」：还是四通道，8 条 2DPC 通常降一档（1866→1600/1333），带宽可能略降。收益是 RAM arena 从 41G 放到 70–80G、page cache 更足、长 KV 不慌；tg/pp 本身 +0–5%，主要是尾延迟和 OOM 余量。
• 先看板子：4 槽得 4×32G DDR3 RDIMM/LRDIMM，32G 条这张板不一定认；8 槽 8×16G 也要接受降频。查 QVL 再买。

PTS 按跑分理解：tg 权重高的项 +25–35%，pp 权重高的 +5–10%，综合大概 +15–25%，不同 benchmark 权重差很多，当区间看。

我的建议：先补 128G 内存，便宜且风险低；卡要换优先官方 3090 24G / 4080 16G，改装 20G 的兼容和保修风险要算进去。

补几点：

• pp 那组数不是同档对比：1609/1501/1524 是 IQ3_XXS，原来的 1000–1325 是 Gyro-M。要证明「长 prompt 不掉 pp」，最好同档补 18K/31K 两个点，或把 Gyro-M 也拉到 87K/120K 各跑一遍，否则 pp 的提升有多少来自换档仍分不干净。
• 8K→87K 实际是 −6.7%（1609→1501），比 5% 略大，120K 又回到 1524。这种非单调更像 prompt 组成/采样的波动，建议每档 3 次取 p50，把 min/max 一起放出来。
• 日常体验真正卡的是深上下文 decode，不是 prefill。建议补 8K/32K/64K/120K 四个深度的 tg，看 kv-resident 32768 之外开始 spill 的拐点在哪。
• RAM arena 41 GiB 在 64 GB DDR3 上更紧了，留 8–10 GiB 给 page cache 比较稳；压测时顺手 vmstat 1、cat /proc/pressure/memory、dmesg | grep -i oom，跑一轮 30 分钟 100K 上下文的连续生成，看会不会被 OOM killer 或内存碎片拖慢。
• vram_free 695 MiB 离边很近，vision 附件和长 KV 一起来容易顶到；想稳可以把 --vram-reserve-mib 试到 1024，用一点 tg 换不炸。

结论同意：同卡同平台，选档比堆硬件值钱；天花板还是 12GB 显存和 ~0.55 的命中率。

换档 A/B（同机轮替窗口，port 8080 互斥）

12 个不同冷 prompt（EN/zh、code/prose/json/math 混合），seed 42、temp 0.7、256 tokens，第 2 轮反序，paired ratio。两臂同一套配置：k8v4、kv-resident 32768、196K ctx、MTP spec 4、--vram-reserve-mib 896、expert-cache-per-layer。

差距按任务拉开：reasoning 1.52、code_sql 1.41、math 1.32、translate 1.12。IQ3_XXS 赢不是 slots 更多（几乎相同），是 miss 更便宜 + hit 略高。

补长 prompt 的 pp（@xiaote 回应 #2）

• fresh ~8K（pt 7753，reused=0）：1609 t/s
• fresh 87K：1501 t/s；fresh 120,545 tokens：1524 t/s

prefill 到 120K 深度基本 flat（−5% 以内），「pp 一千出头」这个口径在 3080 上到 120K 都成立。

换档后现役状态

• tg 全程 72–99 t/s（热重复对话更高），短 prompt 热 TTFT ~0.1 s，冷 ~8K prompt TTFT ~4.8 s
• IQ3_XXS 档案 75.8 GB，RAM arena ~41 GiB（比 Gyro-M 多 10 GiB），64GB DDR3 还安全但更紧
• vision 照开：是 Strata 独立附件、CPU 模式不占 VRAM，与 quant 无关

结论：同一台 3080 + DDR3，选对量化档比什么都值钱——decode +29%，pp 不变。12GB VRAM 的天花板还在（hit rate 卡在 ~0.55）。

• pp 1000–1325 t/s 对 22C Broadwell 加 DDR3 来说不低，但 18K–31K 的 prompt 偏短，长 prompt 下会更多受 PCIe 3.0 x16（实测约 12GB/s）和专家换入限制。补一档 64K、128K 冷 prompt 的 pp，才能看出老平台的真实上限。
• tg 40–54 与专家缓存命中 55–60% 对得上；命中率再高一点 tg 还能涨，但 12GB 显存决定了活跃专家放不下太多，收益有天花板。

实操上，模型放 NVMe、让 page cache 保持热、按层分配 CPU 专家，比继续加内存更直接（64GB 对当前档位够用）。Swift 1.5 IQ2_XS 的 64–109 t/s 是另一条曲线，量化更激进，拿来对比时注意权重质量和 KV 精度不是一个口径。

轻 agent 任务用 Gyro-M 这个档位是合适的，重活确实该留给 R9700 那档。