Vulkan prefill ~10% slower since v0.4.9 on Qwen3.6-35B-A3B (RX 7900 XTX, Windows), same with a local build
Personne n'a encore pris cette issue.
Évaluation
- Difficulté
- 4/5
- Temps estimé
- 3-5 jours
- Accessibilité débutants
- 45/100
- Type d'issue
- Bug
- Clarté
- Plutôt claire
- Activité
- Active
- Stack technique
- cpp
- Domaine
- performance
Piste de recherche
Start by running the reported llama-bench command on the RX 7900 XTX with the v0.4.8-dev and v0.5.0 builds, comparing prefill results at 512 and 4096 tokens. The issue names no source files or tests, so trace the version changes affecting Vulkan prefill after confirming the regression. Done means identifying and addressing the cause of the slower prefill while preserving token-generation performance.
Rédigé par le modèle d'indexation à partir du texte de l'issue.
Description
Disclosure: Claude Code ran these measurements on my machine and drafted this text. I reviewed it.
Setup: RX 7900 XTX 24 GB (gfx1100), i5-14600K, 48 GB DDR5, Windows 11 22631, Adrenalin 32.0.31041.1004. The display is on the iGPU, so the 7900 XTX runs only llama-server.
Builds:
- v0.4.8-dev
c88618c11: local build. - preview-v0.5.0
d51f2f5e0: local build with the same toolchain and flags (MSVC 14.44, Ninja, Release,GGML_VULKAN=ON,GGML_NATIVE=ON,GGML_OPENMP=ON, shared libs). - preview-v0.5.0: official
bin-win-vulkan-x64zip. - v0.4.9: official zip (one earlier run).
llama-bench, Qwen3.6-35B-A3B UD-IQ4_NL, -dev Vulkan0 -ngl 99 -fa 1 -ctk q6_0 -ctv q4_0 -ub 2048 -p 512,4096 -n 128 -r 5:
| build | pp512 | pp4096 | tg128 |
|---|---|---|---|
| v0.4.8-dev (local) | 4173 ± 72 | 4777 ± 20 | 155.2 ± 0.9 |
| v0.5.0 (local) | 3772 ± 180 | 4298 ± 8 | 156.9 ± 0.2 |
| v0.5.0 (official) | 3832 ± 34 | 4304 ± 11 | 157.3 ± 0.4 |
v0.4.9 (official, -p 512 -r 3, other session) |
3631 ± 234 | – | 156.9 ± 0.9 |
The local and official v0.5.0 builds are the same, so the gap is in the code, not the build. Prefill is about 10% lower at 4096 tokens. Token generation is equal.
llama-server, same preset for each build, MTP on, ~7.5k-token prompt (2 runs), prefill t/s:
| model | v0.4.8-dev | v0.5.0 local | v0.5.0 official |
|---|---|---|---|
| Qwen3.6-35B-A3B UD-IQ4_NL (built-in MTP head) | 3261 / 3539 | 2076 / 3313 | 3042 / 3327 |
| Qwen3.8-27B Q4_K_M (built-in MTP head) | 744 / 744 | 692 / 715 | 708 / 713 |
| Qwen3.8-27B Q5_K_S (MTP sidecar) | 728 / 729 | 721 / 746 | 740 / 746 |
- The dense Q4_K_M model loses about 4%. The dense Q5_K_S model with an MTP sidecar does not lose, and its generation is 5-8% faster on v0.5.0 (57.1 → 62.2 t/s). Thanks for that.
- At a full 262k context, the 35B prefill is 612 t/s on v0.4.8-dev and 583 t/s on v0.5.0 (-5%).
Full logs, presets and commands on request.
- Langage dominant
- C++
- Étoiles
- 1.2k
- Forks
- 80
- Merge moyen
- 4 j 20 h
- PR mergées (30 j)
- 2
Préparer son environnement
Ce projet ne fournit ni conteneur de développement, ni Dockerfile, ni guide de contribution : l'installation est à votre charge. Commencez par son README, et consultez notre guide de la première contribution pour les étapes générales.
Par où commencer
- Lisez l'issue en entier, puis le guide de contribution du projet.
- Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
- Forkez le dépôt et travaillez sur une branche.
- Ouvrez une pull request qui référence le numéro de l'issue.
Autres issues de Anbeeld/beellama.cpp
-
[BUG] KVarN assertion failure in build_inp_mem_hybrid_iswa() due to uninitialized self_kvarn_rotOuverte
Difficulté 2/5 1-3 heures Accessibilité débutants 68/100
Anbeeld/beellama.cpp#205 ·
-
Difficulté 3/5 Une demi-journée Accessibilité débutants 58/100
Anbeeld/beellama.cpp#206 ·
-
Difficulté 3/5 1-2 jours Accessibilité débutants 57/100
Anbeeld/beellama.cpp#204 ·
-
Difficulté 4/5 3-5 jours Accessibilité débutants 45/100
Anbeeld/beellama.cpp#202 · 1 commentaire ·
-
Difficulté 4/5 3-5 jours Accessibilité débutants 48/100
Anbeeld/beellama.cpp#200 ·
Toutes les issues de Anbeeld/beellama.cpp
Issues similaires
-
Difficulté 2/5 1-3 heures Accessibilité débutants 72/100
CachyOS/packageinstaller#144 ·
Les mainteneurs répondent en général sous 1 jour
-
documentation
Difficulté 1/5 Moins d'une heure Accessibilité débutants 82/100
TomerAberbach/profiler-md#951 ·
Les mainteneurs répondent en général sous 1 jour
-
[Bug] Default key routing (JavaStringHash) picks a different partition than the Java client for about half of keysPeut-être pris @0z5a l’a pris aujourd’hui. Ouverte
Difficulté 2/5 1-3 heures Accessibilité débutants 82/100
apache/pulsar-client-go#1575 ·
Les mainteneurs répondent en général sous 2 jours
-
Difficulté 2/5 1-3 heures Accessibilité débutants 72/100
pocoproject/poco#5764 ·
Les mainteneurs répondent en général sous 2 jours
-
bug cpp-core-guidelines low-priority
Difficulté 2/5 1-3 heures Accessibilité débutants 62/100
NatronGitHub/openfx-supportext#164 ·
Les mainteneurs répondent en général sous 1 jour