Hacktoberfest 2026: những issue maintainer đã đánh dấu cho tháng Mười, đang mở và phù hợp người mới. Xem issue Hacktoberfest

[Vulkan] LLM decode ~12% slower than XNNPACK on Adreno

Đang mở
#22,968 13 bình luận 2 reaction 2 người được giao Xem trên GitHub

Maintainer thường phản hồi trong vòng 1 ngày

@digantdesai đang làm issue này rồi.

Từ ngày 21/9/2026.

Đánh giá

Issue này chưa được đánh giá.

Mô tả

module: vulkan triaged

Vulkan LLM decode is ~11-13% slower than XNNPACK on Adreno 840 (Galaxy S26 Ultra), while prefill is ~2x faster. Qwen3, llama_main, cold-device medians, arms interleaved.

Vulkan (4w) XNNPACK (8da4w)
0.6B decode 98.0 tok/s 109.0 tok/s
1.7B decode 41.3 tok/s 47.6 tok/s
0.6B prefill, 41-token prompt 1568 tok/s 818 tok/s

At 0.6B, decode reads 335 MB of weights per token. The q4gsw GEMV is ~74% of GPU time at ~44.5 GB/s, and the GPU is ~100% busy.

#22941 (fused QK+softmax on the SDPA decode path) is the one change that helped: +2.5-3.9% decode.

Tried, no gain:

  • 8da4w (linear_dq8ca_q4gsw): 22% slower than 4w
  • one command buffer per token: no change
  • fusing SwiGLU (sigmoid + 2 muls): 0.998x
  • tin GEMM at M=1 instead of the coop GEMV: 5.3x slower
  • int3 weights: would beat XNNPACK, but +40% perplexity even with HQQ+AWQ

Possible directions: cut the non-GEMV work (SDPA ~12%, rms_norm ~5%, no-op view copies ~5%), or a sub-4-bit linear kernel paired with a quantizer that holds accuracy.

cc @SS-JIA @manuelcandales @digantdesai @cbilgin

Ngôn ngữ chính
Python
Star
5k
Fork
1.2k
Merge trung bình
2 ngày 5 giờ
Pull request đã merge (30 ngày)
491

Chuẩn bị môi trường

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của pytorch/executorch

Tất cả issue của pytorch/executorch

Issue tương tự

Thêm issue về Python

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.