Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

Community benchmark: RTX Pro 4000 Blackwell, qwen3.8-flash-next IQ3_S (bench --long)

Abierto Apto para principiantes
  • ¿Algo no está bien?
#2,182 0 comentarios 0 reacciones 0 asignados Ver en GitHub

Los mantenedores suelen responder en 1 día

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
1/5
Tiempo estimado
Menos de una hora
Aptitud para principiantes
72/100
Tipo de issue
Documentación
Claridad
Bien especificado
Estado de actividad
Activo
Stack tecnológico
cpp, linux
Área
performance

Línea de trabajo

Empieza por el procedimiento y los resultados del benchmark en este issue y luego compara el comando y las mediciones indicados con las entradas existentes de benchmarks de la comunidad o la documentación. Añade esta ejecución de RTX PRO 4000 Blackwell, conservando la salvedad de que solo se midió la velocidad y los detalles de configuración; el trabajo estará terminado cuando el benchmark quede registrado de forma coherente con las demás entradas.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

Community benchmark on NVIDIA RTX PRO 4000 Blackwell

Measured on 2026-10-12 with tools/strata_bench.py (suite 1, 3 runs per test, medians with ranges). Speeds are the engine's own timings; first-token times are measured by the client over HTTP. Speed only: no correctness check was run.

Hardware and software

  • GPU and VRAM: NVIDIA RTX PRO 4000 Blackwell, 24 GiB VRAM
  • CPU: Intel(R) Xeon(R) Gold 6138 CPU @ 2.00GHz (60 cores, 60 threads); installed RAM: 220.5 GiB; storage: not measured
  • OS: Linux 6.12.0-211.49.1.el10_2.x86_64; GPU driver: 580.105.08; CUDA: 13.0
  • Strata: project 0.1.43.1, commit a0116b27; engine 0.1.43.1
  • Background workloads and power limits: not recorded

Model and configuration

  • Model and quantization: qwen3.8-flash-next-iq3_s
  • Context: 131072 tokens; parallel slots: 1
  • Settings: the install's own configuration, unchanged; thinking off for the suite; temperature 0
strata --pack iq3_s --native Qwen3.8-Flash-Next-GSQ-RCO-IQ3_S-00001-of-00002.gguf --ple-gguf Qwen3.8-Flash-Next-GSQ-RCO-IQ3_S-00002-of-00002.gguf --expert-profile expert-profile.bin --expert-cache auto --prefill auto --spec 4 --mtp rt --max-context 131072 --kv int8 --ple-io ram --kv-resident 32768 --vision --vram-reserve-mib 700 --pcie-frac 0.35 --spec-min-p 0.70 --adapt-every 1 --adapt-swaps 160 --adapt-decay 0.97

Method

Run by python tools/strata_bench.py --long against the HTTP API of a Strata server (started by the benchmark from the install configuration); model loading is not timed. One warm-up chat and a 1K prompt are discarded first. Every prompt starts with a unique tag, so the conversation cache cannot help the fresh-prompt tests.

  • short chat: the three questions of tools/ab_engine.py, up to 100 new tokens, 3 runs
  • 4K / 16K prompts: generated word lists sized by a calibration request, 24 new tokens, 3 fresh prompts each
  • agent session: system prompt and four tools, then 5 turns that each add about 1500 words of a project file and continue from the model's own earlier answers (the way agent clients resend a conversation), 64 new tokens per turn, 3 sessions; the cache numbers come from the answer's usage (cached_tokens) and timings (prompt_n)
  • concurrency (when run): N requests sent at the same moment, total tokens over the wall time of the burst, latency over all requests

Results

Configuration Actual prompt tokens Reused tokens Generated tokens Runs Prompt tok/s median and range Decode tok/s median and range TTFT seconds median and range
short chat 46 (43-51) 0 100 (100-100) 9 not measured 58.2 (46.8-64.8) 0.53 (0.46-0.64)
4K prompt, fresh 4019 (4019-4019) 0 (0-0) 24 cap 3 1232.9 (1197.8-1247.0) not measured 3.30 (3.26-3.40)
16K prompt, fresh 16058 (16058-16058) 0 (0-0) 24 cap 3 2086.8 (1904.3-2102.7) not measured 7.77 (7.71-8.50)
32K prompt, fresh 32049 (32049-32049) 0 (0-0) 24 cap 3 1956.1 (1814.4-1960.3) not measured 16.52 (16.48-17.79)
agent session, follow-up turns 14448 (14429-14467) at the last turn see below up to 64 3 see below 75.7 (49.9-92.0) 3.40 (3.09-3.51)

Ranges are the lowest and highest of the runs; Runs counts requests that returned a token.

Agent session (conversation cache)

Cache hit over the follow-up turns: 68.8 % (68.8-68.8); earlier-turn tokens read again per session: 3 (3-3) (earlier turns that the cache did not hold; the 13634 (13633-13634) new tokens of the files are read once); first turn (nothing cached) first token: 1.99 s (1.94-2.23).

Turn (run 1) Prompt tokens Reused Read Prompt tok/s First token (s) Decode tok/s
0 609 0 609 277.8 2.229 35.7
1 3712 631 3081 896.1 3.486 53.2
2 5245 3775 1470 472.4 3.156 49.9
3 8689 5309 3380 982.6 3.495 70.9
4 11577 8717 2860 845.9 3.46 87.7
5 14448 11602 2846 856.5 3.402 71.3

Per-request data: results.json. Engine log lines from the start: engine-log-excerpt.txt (when this run started the server).

Correctness and limitations

Not measured: this is a speed suite. The conversation uses the model's own replies, so token counts differ a little between runs. Machine details come from the server, nvidia-smi/rocm-smi and the OS; background load and power limits are not recorded. Total time of the suite: 183 s.

Lenguaje dominante
C++
Estrellas
11.6k
Forks
1k
Sin PR fusionados en 30 d

Preparar el entorno

Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de Niko1221/Strata

Todos los issues de Niko1221/Strata

Issues similares

Más issues de C++

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.