Qwen3.6-35B-A3B Q4_K_M на Ryzen AI Max+ 395 (llama.cpp Vulkan) — time to first answer token with reasoning on: 23453 мс

Измерение

На системе Beelink GTR9 Pro — AMD Ryzen AI Max+ 395, Radeon 8060S (gfx1151), 128 GB LPDDR5X-8000 unified под управлением llama.cpp (server, Vulkan backend), b9049 (server_fingerprint b9049-2496f9c14) с моделью ggml-org/Qwen3.6-35B-A3B-GGUF @ baec3ebee244 (Q4_K_M) измеренная величина «time to first answer token with reasoning on» составила 23453 мс (median over valid requests). Измерение выполнено под замороженным ворклоадом interactive-assistant-v1@2026-08-02; уровень доказательности — lab_repeated, 3 валидных прогонов на 1 физическом(-их) юните(-ах). Значение перевыводится из сырых записей прогонов на каждом CI-билде.

Формулировка

With the reasoning block enabled, the first token of the actual answer arrives a median of this many milliseconds after the request — two orders of magnitude later than the conventional time-to-first-token figure.

Формулировки клеймов публикуются только на английском — это каноничная цитируемая версия.

Доказательства

Система

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)

Артефакт модели

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

Скоуп

interactive-assistant-v1@2026-08-02

Агрегация

median over valid requests

Уровень доказательности

lab_repeated

Статус

active

Ограничения

Three repeated runs on one unit — diagnostic depth, not a cross-unit qualification. Token budget 4096; a smaller budget changes the outcome entirely. Concurrency 1 only.

Прогоны

• run-20260802-budget4k-a
• run-20260802-budget4k-a-r2
• run-20260802-budget4k-a-r3

Вывод значения

Значение перевыводится из сырых записей прогонов этим запросом на каждом CI-билде — опубликованная цифра не может тихо разойтись со своими данными.

catalog/claims/sql/ttfa-thinking-1k.sql

Как цитировать

AGmind Systems Lab. "With the reasoning block enabled, the first token of the actual answer arrives a median of this many milliseconds after the request — two orders of magnitude later than the conventional time-to-first-token figure." Claim strix.qwen36.interactive.c1.ttfa-thinking (23453 ms), evidence level lab_repeated, scope interactive-assistant-v1@2026-08-02. https://agmind.ai/claims/strix.qwen36.interactive.c1.ttfa-thinking/

@misc{agmind_strix_qwen36_interactive_c1_ttfa_thinking,
  author       = {{AGmind Systems Lab}},
  title        = {With the reasoning block enabled, the first token of the actual answer arrives a median of this many milliseconds after the request — two orders of magnitude later than the conventional time-to-first-token figure.},
  howpublished = {\url{https://agmind.ai/claims/strix.qwen36.interactive.c1.ttfa-thinking/}},
  note         = {Claim strix.qwen36.interactive.c1.ttfa-thinking: 23453 ms; evidence level lab\_repeated; scope interactive-assistant-v1@2026-08-02},
  year         = {2026}
}

Машиночитаемо: /claims/strix.qwen36.interactive.c1.ttfa-thinking.json · весь реестр