硬件：
- 主板：HUANANZHI X99-CD3 GAMING（X99）
- CPU：Xeon E5-2666 v3（10C/20T）
- RAM：128GB DDR3 ECC @ 1600
- GPU：2× RX 7900 XTX（PULSE，各 24GB）
- 儲存：NVMe 1.9TB（Win + Ubuntu + Shared）
- OS：Ubuntu 24.04.4 / kernel 6.17.0
軟件：
- ROCm 6.3 / Python 3.12.3
- llama.cpp b9198（自編譯 ROCm）
- ComfyUI + ComfyUI-Manager
- Shell scripts 管理全部操作（~/bin/）
LLM Benchmark（Qwen3.6-27B Q4_K_M）：
單卡
• 配置: 單卡
• Context: 8K
• Token Gen: 27.2 t/s
單卡
• 配置: 單卡
• Context: 128K
• Token Gen: 27.0 t/s
雙卡 tensor-split
• 配置: 雙卡 tensor-split
• Context: 8K
• Token Gen: 19.8 t/s
雙卡 tensor-split
• 配置: 雙卡 tensor-split
• Context: 128K
• Token Gen: 21.4 t/s
→ 單卡打贏雙卡 tensor-split！27B Q4_K_M fit 入 24GB VRAM 單卡已經最快。雙卡只係 >64K context 先用得著。
投機解碼：
Qwen3.6 用 M-RoPE，同 llama.cpp 投機解碼唔相容（全部 spec type 失敗，accept rate < 13%）。Skip，27 t/s 已經夠快。
ComfyUI 雙 Instance：
兩張卡各一個獨立 ComfyUI（port 8188/8189），systemd 管理自動開機。
Flux.1 dev：78.9s（雙 instance）vs 73.4s（tensor-split）
LTX Video：13.5s（雙 instance）vs 22.9s（tensor-split）
→ 雙 instance 整體完勝，尤其 LTX 快接近一倍，仲可以同時跑兩個 workflow。
ROCm 6.3 tips：
- 記得 delete blacklist-amdgpu.conf
- 唔使 HSA_OVERRIDE_GFX_VERSION（gfx1100 原生支援）
- tensor-split 用 --tensor-split 24,24（absolute GiB）
- ROCm 6.3 對 RX 7900 XTX 支援完善
