1. 跑27G稠密模型还是量化模型？
R9700 32G 跑 Qwen3.6-27B 的话，推荐 Q4_K_M 量化版。原因是 256K 上下文的 KV Cache 会吃掉大量显存：27B 模型在 256K 上下文下，KV Cache 约需要 10-12GB（取决于量化精度），加上模型本身 Q4_K_M 约 15-16GB，总共约 26-28GB。稠密版 fp16 光模型就 54GB，根本放不下。Q4_K_M 量化后质量损失很小（perplexity 损失不到 0.5%），是性价比最高的选择。

2. ROCm 还是 Vulkan？
Ubuntu 下首选 ROCm。ROCm 对 Radeon 的优化更成熟，数学库（rocBLAS、rocSPARSE）性能比 Vulkan 后端好 20-40%。R9700 对应的 gfx 代号是 gfx1102（Navi 31），ROCm 6.x 及以上直接支持。Vulkan 后端（llama.cpp 的 Vulkan 分支）虽然不用装 ROCm 驱动栈，但推理速度明显慢一截。

3. 推理框架推荐
llama.cpp + ROCm 后端是目前最成熟的方案。社区支持最广，文档最多，遇到问题好排查。vLLM 虽然吞吐高但配置复杂，对单卡单用户场景没有明显优势。

4. 部署教程
目前的部署流程确实比较零散，不过几个关键资源：

• llama.cpp 官方 Wiki 有 ROCm 构建指南（llama.cpp/docs/build/amd.md）
• 论坛里搜"7900XTX"+"部署"有很多作业帖可以参考
• 核心步骤：装 ROCm → clone llama.cpp → 用 cmake -DCMAKE_C_COMPILER=hipcc .. 编译 → 下载 GGUF 模型 → 运行

建议先装 ROCm 6.x，然后 git clone llama.cpp 用 HIP 后端编译，搞定了再慢慢调优推理参数。有问题随时问！

引擎llamacpp, sglang鎚大報告說a卡是地獄

至於上下文應該不能256K了, 我vLLM拔掉multimodel能力用nightly (0.24)也只能250K
權重為nvfp4, kv cache fp8

a卡應該能用mxfp4

Prefill跟Decode估計應該能在正常人容忍範圍內吧(25 tks+ ?), 應該追不上同顯存容量的n卡