设备与环境配置
硬件规格 Apple M5 Ultra · 80 核 GPU · 256GB 统一内存 · macOS Sequoia
加载模型 DeepSeek-V4.1-Flash-oQ2.5e-mtp（原生 256K 上下文）
推理后端 oMLX Server（启用 Paged SSD KV 缓存）+ DeepSeek Harness
辅助散热 底部防尘进风底座 + 出风口探头温控智能调速风扇

一、会话负载与 Token 吞吐数据

在初次运行鹈鹕骑自行车代码生成任务中，Agent 在后台自主执行了 81 个连续决策步骤，会话累计处理量达到千万级。

1. 缓存复用效率：总处理量突破 1000 万 Token，其中 945 万由缓存直接读取，未缓存输入仅 51.6 万，缓存命中率达 95%。
2. 长上下文速率：任务推进至 132K 上下文（占模型标称 256K 窗口的约 50%）时，平均首字延迟（TTFT）维持在 16.6 秒，Token 实时生成速率维持在 66 tok/s。

二、内存子系统：220GB 物理占用与弹窗警告

高压运行状态下，通过 Stats 捕获到的实时内存分配如下：

1. 单进程占用：omlx-server 进程占用达 198.36 GB，整机物理内存占用上升至 220.37 GB（占比 86%），大部分表现为锁定的联动内存（Wired Memory）。
2. 交换区与内存压力：Swap 仅使用 637.6 MB，压力指针停留在绿色区间。
3. 长时运行现象（OOM 告警）：在连续高频调用约一至两小时后，系统出现“应用程序内存不足”的弹窗，提示需强制退出部分任务以释放内存。

三、磁盘 I/O：分层缓存读写状态

在物理内存占用超过 200GB 阶段，omlx-server 产生约 44.0 MB/s 的持续磁盘 I/O。该数据对应 oMLX 对不活跃前缀 KV Cache 进行的分页换入与换出。

四、算力调用与散热表现

1. GPU 核心负荷：80 颗 GPU 核心整体利用率维持在 93%（渲染负荷 84%），CPU 整体闲置率在 90% 左右。
2. 温度与辅助散热说明：
   • 传感器显示 GPU 最高温 69.0°C，CPU 最高温 68.0°C，机身内置风扇恒定在 40%。
   • 此项温控包含外置物理散热干预：机身底部加装了带防尘网的主动散热底座，温控探头置于背部出风口以实现变速进风。在高负荷运转期间，外置底座有风噪。

五、连续运行 5 小时后的状态与降速现象

在连续运行 4 小时 51 分钟、累计处理 724 次请求（共计 7220 万 Token）后，oMLX 后台状态呈现出明显的数据变化：

1. 生成速率下滑：实时输出速度由初期的 60~66 tok/s 逐步回落至 38~40 tok/s 区间（面板记录平均速率为 44.2 tok/s）。
2. 伴随的硬件状态变化：
   • 系统 RAM 达到 230.4 GB（占用率 90%），GPU 锁定内存达到 224.5 GB；
   • oMLX 状态栏中的热量状态（Thermal State）由初始状态转变为黄色的“● 一般”；
   • 该模型所搭载的 MTP（多 Token 预测）在长上下文、多轮历史堆叠后的体感命中效果有所改变。

说明

以上为 M5 Ultra 单机运行本地大模型与 Agent 流程的第一手监测数据记录，刚开始用样本较少，各项软硬件参数与速率变化仅供折腾参考。