Qwen3.6-35B-A3B Q4_K_M Ryzen AI Max+ 395-ի վրա (llama.cpp Vulkan) — time to first token, second question with prompt cache on: 860 մվ

Չափումը

Beelink GTR9 Pro — AMD Ryzen AI Max+ 395, Radeon 8060S (gfx1151), 128 GB LPDDR5X-8000 unified համակարգի վրա, llama.cpp (server, Vulkan backend), b9049 (server_fingerprint b9049-2496f9c14) runtime-ով և ggml-org/Qwen3.6-35B-A3B-GGUF @ baec3ebee244 (Q4_K_M) մոդելով չափված «time to first token, second question with prompt cache on» մեծությունը կազմել է 860 մվ (median over valid requests for this item)։ Չափումը կատարվել է doc-session-v1@2026-08-03 սառեցված workload-ի տակ; ապացույցի մակարդակը՝ lab_repeated, 3 վավեր գործարկում 1 ֆիզիկական յունիթի վրա։ Արժեքը վերաստացվում է գործարկումների հում գրառումներից ամեն CI build-ում։

Ձևակերպում

Median time to first token for the SECOND question over the same 32k-token document with the server prompt cache enabled.

Claim-երի ձևակերպումները հրապարակվում են միայն անգլերեն — սա կանոնական, մեջբերելի տարբերակն է։

Ապացույցներ

Համակարգ

Beelink GTR9 Pro — AMD Ryzen AI Max+ 395, Radeon 8060S (gfx1151), 128 GB LPDDR5X-8000 unified

Runtime

llama.cpp (server, Vulkan backend), b9049 (server_fingerprint b9049-2496f9c14)

Մոդելի արտեֆակտ

ggml-org/Qwen3.6-35B-A3B-GGUF @ baec3ebee244 (Q4_K_M)

Շրջանակ

doc-session-v1@2026-08-03

Ագրեգացիա

median over valid requests for this item

Ապացույցի մակարդակ

lab_repeated

Կարգավիճակ

active

Սահմանափակումներ

Three repeated runs on one unit, reasoning disabled, single stream. Cache benefit requires a byte-identical document prefix in the same server session.

Գործարկումներ

• run-20260803-ds-cache-a
• run-20260803-ds-cache-a-r2
• run-20260803-ds-cache-a-r3

Արժեքի ստացումը

Արժեքն ամեն CI build-ում վերաստացվում է գործարկումների հում գրառումներից այս հարցումով — հրապարակված թիվը չի կարող լուռ շեղվել իր ապացույցներից։

catalog/claims/sql/ttft-ds-en-32k-q2.sql

Ինչպես մեջբերել

AGmind Systems Lab. "Median time to first token for the SECOND question over the same 32k-token document with the server prompt cache enabled." Claim strix.qwen36.docsession.c1.ttft-q2-32k-cache (860 ms), evidence level lab_repeated, scope doc-session-v1@2026-08-03. https://agmind.ai/claims/strix.qwen36.docsession.c1.ttft-q2-32k-cache/

@misc{agmind_strix_qwen36_docsession_c1_ttft_q2_32k_cache,
  author       = {{AGmind Systems Lab}},
  title        = {Median time to first token for the SECOND question over the same 32k-token document with the server prompt cache enabled.},
  howpublished = {\url{https://agmind.ai/claims/strix.qwen36.docsession.c1.ttft-q2-32k-cache/}},
  note         = {Claim strix.qwen36.docsession.c1.ttft-q2-32k-cache: 860 ms; evidence level lab\_repeated; scope doc-session-v1@2026-08-03},
  year         = {2026}
}

Մեքենայաընթեռնելի. /claims/strix.qwen36.docsession.c1.ttft-q2-32k-cache.json · ամբողջ ռեեստրը