7900 XTX 跑 125B MoE：prefill 2086→3205，decode 64.7→96.3
一张 Radeon RX 7900 XTX（24 GB），跑 Qwen3.8-Flash-Next 125B MoE，128K 上下文。
官方预编译引擎 prefill 2086 / decode 64.7，调优后 prefill 3205 / decode 96.3。
+54% 和 +49%。
———————人话分界线其他都是AI写的————————
说明一下这个2086/64.7是我昨天第一次调过后的成绩，strata开箱直接用的prefill肯定没有2086，我记得好像是不到1000还是1000多。总之就是人在一边看，AI自己干，调优全过程都是deepseek flash免费模型给我做的，我就在一边抽鞭子来着。
———————人话分界线其他都是AI写的————————
环境
| GPU | Radeon RX 7900 XTX，24 GB，gfx1100（RDNA3） |
| CPU | Intel i7-13700KF |
| 内存 | 64 GB |
| 系统 | Windows 11 |
| 模型 | Qwen3.8-Flash-Next（abliterated），125B MoE，IQ3_S |
| 上下文 | 131072 |
| 服务 | strata，OpenAI / Anthropic 兼容 API |
测试协议：27549 token prompt / 400 token 输出 / 各 3 轮。
本来是
官方组合：strata 预编译引擎 0.1.54 + hipBLASLt 100500 + 32 行社区调优表 + --lookup-chain 3 + --host-core sibling。
| prefill（三轮） | 中位 | decode（三轮） | 中位 |
|---|---|---|---|
| 2095.3 / 2069.1 / 2086.2 | 2086 | 65.5 / 64.2 / 64.7 | 64.7 |
27.5K 上下文要 13.2 秒才出第一个字。
调优措施
换引擎
自编译 RDNA3 fork 0.1.43（比官方的 0.1.54 更老，但更快），hipBLASLt 调优表从 100500 换成 100100，和 fork 的 ROCm 对齐。
38 个环境变量
矩阵乘
STRATA_HIP_WMMA=1 STRATA_SELECT_WMMA=1
STRATA_RDNA_MMVQ_WAVE=3 STRATA_PF_F16=2
Prefill 路径
STRATA_PF_GEMM=1 STRATA_PF_FUSED=1
STRATA_PF_PAD=1 STRATA_PF_GROUP_RES=1
STRATA_PF_HCDOWN=1 STRATA_PREFILL_AUTO_MAX=32768
STRATA_PREFILL_CPU_SHARE=auto STRATA_PREFILL_CPU_SHARE_MAX=6144
STRATA_PREFILL_RING=192 STRATA_PREFILL_MMQ_TILE_ROWS=32
GDN（线性注意力）融合
STRATA_GDN_HEAD=1 STRATA_GDN_CHUNKED=1
STRATA_GDN_CHUNK_GDV=0 STRATA_GDN_PP=1
STRATA_GDN_CONVL2=1 STRATA_GDN_NOY=1
STRATA_FUSE_CONVAB=1
Attention 与 KV
STRATA_QSA_SPLIT_ATTN=1 STRATA_PA_KLDS=1
STRATA_PA_FAST=1 STRATA_KV_HOST_DMA=1
调度与流水
STRATA_QFUSE=1 STRATA_COMBINE_CPU=1
STRATA_WAIT_FUSE=1 STRATA_ROUTE_PUBLISH=1
STRATA_GR_INJ_UP=1 STRATA_GR_FUSED=1
STRATA_STAGER_RING=64 STRATA_HC_UPMIX=1
STRATA_HEAD_MIX_MULTI=1 STRATA_VERIFY_QDEDUP=1
STRATA_SH_STREAM=0 GPU_MAX_HW_QUEUES=6
引擎参数
--lookup-chain 3 --adapt-async 1
--kv-resident 32768 --ple-io direct
--ple-row-cache 1048576 --pcie-frac 0
--mtp-window 4096 --pool-workers 12
--vram-reserve-mib 1728 --host-core first
--kv int8 --spec 4
--spec-min-p 0.5 --max-context 131072
三个关键点
STRATA_PREFILL_AUTO_MAX从默认 12288 提到 32768（官方日志里能看到它自动选了 12288，13K 以上上下文要分两次处理）。32768 是安全上限，65536 会崩。STRATA_RDNA_MMVQ_WAVE=3—— decode 收益的主要来源。预编译引擎不认这个变量，必须自编译。--host-core first—— fork 不认sibling，照搬官方配置的写法会启动失败。
现在是
| prefill | decode | 相对本来 |
|---|---|---|
| 3205 | 96.3 | +54% / +49% |
三轮明细：prefill 3317 / 3205 / 3167，峰值 3313（背靠背第 2 轮）。
更长上下文（54.8K）：prefill 3308.8、decode 99.9 —— 上下文翻倍，速度不掉。
对比
| 本来 | 现在 | 提升 | |
|---|---|---|---|
| prefill @27.5K | 2086 | 3205 | +54% |
| prefill 峰值 | 2046 | 3313 | +62% |
| decode @27.5K | 64.7 | 96.3 | +49% |
| prefill @54.8K | — | 3308.8 | — |
| decode @54.8K | — | 99.9 | — |
| 27.5K 首字延迟 | 13.2 s | 8.6 s | -4.6 s |
参考：一台 128 GB 内存的 Linux 机器同模型跑 3432 / 100.4，我们这台 64 GB 的 Windows 消费机到 93% / 96%。
Radeon RX 7900 XTX (gfx1100) / i7-13700KF / 64 GB / Windows 11 / Qwen3.8-Flash-Next abliterated IQ3_S / strata 0.1.43（自编译 RDNA3 fork）
