Vulkan prefill ~10% slower since v0.4.9 on Qwen3.6-35B-A3B (RX 7900 XTX, Windows), same with a local build
Chưa có ai nhận issue này.
Đánh giá
- Độ khó
- 4/5
- Thời gian dự kiến
- 3-5 ngày
- Mức phù hợp với người mới
- 45/100
- Loại issue
- Lỗi
- Độ rõ ràng
- Khá rõ ràng
- Mức độ hoạt động
- Sôi nổi
- Công nghệ
- cpp
- Lĩnh vực
- performance
Hướng nghiên cứu
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.
Do mô hình lập chỉ mục viết ra từ nội dung của issue.
Mô tả
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.
- Ngôn ngữ chính
- C++
- Star
- 1.2k
- Fork
- 80
- Merge trung bình
- 4 ngày 20 giờ
- Pull request đã merge (30 ngày)
- 2
Chuẩn bị môi trường
Dự án này không cung cấp dev container, Dockerfile hay hướng dẫn đóng góp, nên bạn cần tự thiết lập môi trường: hãy bắt đầu từ README và xem hướng dẫn đóng góp lần đầu của chúng tôi để biết các bước chung.
Bắt đầu từ đâu
- Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
- Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
- Fork repository và làm thay đổi trên một nhánh.
- Mở pull request có tham chiếu số hiệu của issue.
Issue khác của Anbeeld/beellama.cpp
-
[BUG] KVarN assertion failure in build_inp_mem_hybrid_iswa() due to uninitialized self_kvarn_rotĐang mở
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 68/100
Anbeeld/beellama.cpp#205 ·
-
Độ khó 3/5 Nửa ngày Mức phù hợp với người mới 58/100
Anbeeld/beellama.cpp#206 ·
-
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 57/100
Anbeeld/beellama.cpp#204 ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 45/100
Anbeeld/beellama.cpp#202 · 1 bình luận ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 48/100
Anbeeld/beellama.cpp#200 ·
Tất cả issue của Anbeeld/beellama.cpp
Issue tương tự
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 72/100
CachyOS/packageinstaller#144 ·
Maintainer thường phản hồi trong vòng 1 ngày
-
documentation
Độ khó 1/5 Dưới một giờ Mức phù hợp với người mới 82/100
TomerAberbach/profiler-md#951 ·
Maintainer thường phản hồi trong vòng 1 ngày
-
[Bug] Default key routing (JavaStringHash) picks a different partition than the Java client for about half of keysCó thể đã có người làm @0z5a đã nhận hôm nay. Đang mở
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 82/100
apache/pulsar-client-go#1575 ·
Maintainer thường phản hồi trong vòng 2 ngày
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 72/100
pocoproject/poco#5764 ·
Maintainer thường phản hồi trong vòng 2 ngày
-
bug cpp-core-guidelines low-priority
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 62/100
NatronGitHub/openfx-supportext#164 ·
Maintainer thường phản hồi trong vòng 1 ngày