版主7900XTX 24G 蓝宝石白金版折腾日记。折腾过程从入手到成功全过程。部分版主个人开发架构分享。

sospda

我的是r9700 ，我用的是Q5 KM

williamlouis

那就好。同模型你对了。我的错了。那就不好折腾了。我准备试试别的模型。我主要的考量是智力。快慢无所谓。

williamlouis

参考无审查版本优化27B K4
bash
echo high | sudo tee /sys/class/drm/card1/device/power_dpm_force_performance_level

然后启动 llama.cpp：

bash
cd /opt/llama.cpp
HSA_OVERRIDE_GFX_VERSION=11.0.0 ./build/bin/llama-server \
  -m models/Qwen3.6-27B-Q4_K_M.gguf \
  -c 65536 -ngl 99 \
  --flash-attn on \
  --cache-type-k q4_0 --cache-type-v q4_0 \
  --parallel 1 --reasoning off --no-warmup \
  --temp 0.7 --repeat-penalty 1.1 --top-p 0.9 \
  --host 0.0.0.0 --port 8081

优化后提升上下文到64K 可以和Hermes 联动
API 完全正常。下面是在 Mac 端 Hermes 的配置方法：

Mac 端 Hermes 连接 llama.cpp

你需要在 Mac 上打开终端，执行以下命令：

bash
1. 设置 provider 为自定义端点
hermes config set model.provider custom

2. 设置 API 地址（指向你的 Linux 机器）
hermes config set model.base_url http://192.168.8.247:8081/v1

3. llama.cpp 不需要 API key，但填一个占位值
hermes config set model.api_key not-needed

4. 设置模型名（必须与 llama-server 返回的一致）
hermes config set model.default Qwen3.6-27B-Q4_K_M.gguf


然后重启 Hermes（或 /reset）即可。



网络连通性

你的 Linux 机器 IP 是 192.168.8.247，端口 8081。

先确认 Mac 能访问：

bash
curl http://192.168.8.247:8081/v1/models


- 如果通 → 直接用上面的配置
- 如果不通 → 可能是防火墙或不在同一子网，可以通过 SSH 隧道转发：

bash
在 Mac 上建立 SSH 隧道
ssh -L 8081:localhost:8081 [email protected] -N

然后 base_url 改为：
hermes config set model.base_url http://localhost:8081/v1




等效的 config.yaml 直接编辑

也可以直接编辑 ~/.hermes/config.yaml：

yaml
model:
  provider: custom
  base_url: http://192.168.8.247:8081/v1
  api_key: not-needed
  default: Qwen3.6-27B-Q4_K_M.gguf




总结：核心就是告诉 Hermes 用一个自定义的 OpenAI 兼容端点，指向你的 llama.cpp server。llama.cpp 的 llama-server 内置了 /v1/chat/completions 和 /v1/models 端点，Hermes 直接就能用。

先这样。睡觉。明天继续。

williamlouis

测试：Qwen3.6-27B-Uncensored-HauhauCS-Balanced-MTP-Q4_K_P.gguf 参照论坛水友配置安装成功。
受限于平台其他硬件性能我只跑了。32-41 token/s 的速度。上下文和预期一样可以128K。惊喜的是智力10题这个模型都回答正确了。这说明优化策略不是消耗原模型的智力基础上实现的。确实做到提速增智了。
参数如下
kp 运行状态

| 项目         | 详情                                                |
|--------------|-----------------------------------------------------|
| 模型         | Qwen3.6-27B-Uncensored-HauhauCS-Balanced-MTP-Q4_K_P |
| 端口         | 8080                                                |
| 量化         | Q4_K_P（17.5GB）                                    |
| 上下文       | 128K (131,072 tokens)                               |
| 生成速度     | ~33 tok/s                                           |
| Prompt 处理  | ~48 tok/s                                           |
| MTP 推测解码 | 18 drafts → 13 accepted（72% 采纳率）               |
| GPU DPM      | auto（设为 high 可到 ~35 tok/s）                    |
| 参数         | 27.3B                                               |

与 km 的关键差异：
- 上下文 128K vs 32K
- MTP 推测解码加速（--spec-type draft-mtp）
- --no-mmap（MTP 必需）
- V-cache q4_0（省显存给 128K 上下文）
- 端口 8080（km 之前用 8081）

sospda

用rocm比vulkan聪明一点，7个答案都给出了。计算时间差不多。
rocm也是q5，但是k q5，v q4

让我逐步推理：
五个位置 1-5（从左到右），条件：

A 不在两端 → A ∈ {2,3,4}
B 在 C 左边且不相邻 → B < C，C - B ≥ 2
D 和 E 相邻 → |D - E| = 1
E 不在最右 → E ≠ 5
C 不在最左 → C ≠ 1
关键推导：
C 只能在 3 或 5：
• C=2：B < 2 且 2-B ≥ 2 → B ≤ 0，不可能
• C=4：B ≤ 2，但无论怎么排，D和E都无法相邻
• C=5：B ≤ 3，可行
• C=3：B=1，也可行
经穷举，共有 7 种满足条件的排列：
编号排列
1 D, E, B, A, C
2 E, D, B, A, C
3 B, D, E, A, C
4 B, E, D, A, C
5 B, A, D, E, C
6 B, A, E, D, C
7 B, A, C, E, D
结论：题目条件不足以确定唯一顺序。 7 种排列都满足全部 5 个条件。
如果你确认题目没有遗漏条件，可以告诉我，我帮你再检查一下是否某个条件我理解有误。