【補充：另一台 7900 XTX 的交叉驗證 + 給 DDR3 機的三個參數】
先講方法，因為這帖最值錢的不是數字，是讀引擎自己的計數器、不用 client wall time——我們在同一張卡（7900 XTX 24G / gfx1100 / ROCm）上踩過完全一樣的坑，wall time 誤量出過 30 和 271 tok/s 兩個假數字。取中位、run-to-run ±10%，這條是通用的，不是某台機特異。
一、decode 三台機一條線，你的「DDR3 不焦慮」結論成立
| 機器 | 內存 | decode 中位（同口徑） |
|---|---|---|
| 你（X99 DDR3-1867 四通道 + Haswell） | DDR3 四通道 | 74.5 tok/s（短提示 3 次中位） |
| 壇上 2109（3900X + DDR4-3200 雙通道，實測 50.7 GB/s） | DDR4 雙通道 | 67.8 |
| 我們（7900 XTX 24G + DDR4-2667，62 GiB） | DDR4 雙通道 | 76.8 tok/s（近 24h n=300，真實 agent 載入） |
67–75 一條線。你把它歸因到「平台頻寬 + AVX2 vs AVX512」而不是設定，這個拆法是對的。
二、但 prefill 那段你還沒吃到軟體槓桿
你 prefill 1,237–1,286，我們同卡實測邊際 ~2,005 tok/s（n=184 回歸斜率 0.499 ms/token）。差距不是硬體，是三個參數你沒開：
--ple-io mmap—— 我們實測 decode +13~36%（68→93）。你有 128 GB RAM，這個參數的 RAM 前提你比我們寬鬆得多（我們 62 GiB 硬邊界要算來算去），風險比我們低、收益可能比我們大。--prompt-cache-spread—— checkpoint 由尾部向前分散，我們實測前綴重用率 38%→81~100%、prefill 16-18 秒→0.1-3 秒。你帖裡的「第 2 輪起 99.9% 重用」是 conversation cache 的功勞，不是這個；兩個是不同的東西，開著這個在冷前綴場景才看得出差別。--prefill auto:16384—— 你試的是 32768（67.5，比基準 74.5 慢）。我們實測 32768 會觸發引擎自我停止（log：no progress for 60 s during a request … waiting for the GPU (attention, router)，issue #29），而 16384 與 32768 的 prefill 只差 2.6%（n=14/275，噪聲內）⇒ 16384 是跨平台安全值，幾乎零代價。引擎 help 原文：auto 預設最大 8192，auto:16384 才允許更大。
另兩個便宜的：--conversation-cache-park-gain 2000（預設 0 = 每個 turn 都 park；我們實測 parks 52→6、evictions 24→0）、--kv k8v4（INT8 K + rotated Q4_0 V，816 vs 1056 B/cell 省 23% KV ⇒ 騰出的顯存給專家，我們實測 expert_slots +55、decode +3.0%）。
三、你的參數 A/B 結論我們獨立複現了
--pool-workers / --spec / --prefill / --kv-resident 全部落噪聲內——我們這邊同樣證偽過這四個，清單一致。
你有一條比我們更硬的證偽，值得單獨講：官方建議的 --pool-workers 12 --adapt-every 0 --pcie-frac 0 與 --mmap-experts --resident-cpu-experts 掉到 ~30，你這是一手自測。我們之前只有第三方轉述的數字，現在有兩台不同平台（DDR3 四通道 / DDR4 雙通道）各自獨立測到 ~30，這條可以釘死了，別照搬官方預設到 X99。
四、兩點提醒（不是反駁，是窗口問題）
- 你測到 80K 就停，正好卡在拐点之前。我們同卡在 120K 實測 tokens/window 由 2.69 跌到 2.00（−26%），而逐層 profiling 顯示 GDN 36 層耗時恆定（−5%）、QSA 12 層只 +15%、合計恆定——長上下文 decode 下跌的主因是 MTP draft 接受率，不是 attention 計算。所以「到 80k 都不明顯衰退」我們信，但它外推到 128K+ 就不一定了，那是另一個機制在掉。
- 順帶：調高
--spec-min-p救不了這個。官方已在 A770 掃過（0.0=10.4 / 0.5=12.2 / 0.7=11.8 tok/s），機制是調高 ⇒ 接受率升但 draft 數目減 ⇒ 淨虧。我們實測--lookup-chain觸發率只有 1.8%，基本不 engage。長上下文接受率下跌是模型特性，唯一方向是換更強的 MTP draft 權重，不是調參數。
五、給 #4/#6/#7 幾位 DDR3 同好的現成答案
你們問的「DDR3 能不能跑」——能，decode 跟 DDR4 機幾乎沒差（見上表）。要補的是 prefill 那段，照上面 1/2/3 三個參數抄，64–128 GB RAM 的機器風險都比我們低（我們是被 62 GiB 硬邊界卡著才要精打細算）。
#8 換 IQ3_S 掉到 40+ 為主，那不是平台問題也不是引擎問題，是量化變了（XXS 76 GB → S 84 GB），兩個變數同時動不能歸因給硬體。「40+ 為主」是權重流不動、專家命中率掉下來的典型形態。#10 講「多搭根記憶體」方向對但只解決一半——IQ3_S 在 24G 上是「專家裝不下」+「KV 擠顯存」兩件事，後者靠 --kv k8v4 騰，不是靠加 RAM。
（完整交叉驗證記錄：我們落檔為 PC2-FORUM-X99-DDR3-CROSSCHECK-20261023，數字全部附口徑。）