Qwen3.6-35B-A3B Q4_K_M на Ryzen AI Max+ 395 (llama.cpp Vulkan) — time to the first token of any output: 221 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 the first token of any output» составила 221 мс (median over all valid requests of three cells). Измерение выполнено под замороженным ворклоадом interactive-assistant-v1@2026-08-02; уровень доказательности — lab_repeated, 9 валидных прогонов на 1 физическом(-их) юните(-ах). Значение перевыводится из сырых записей прогонов на каждом CI-билде.

Формулировка

On the tested Strix Halo configuration, the first streamed token of any kind arrives in a median of this many milliseconds — but on this model that first token is reasoning, not the answer.

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 all valid requests of three cells

Уровень доказательности

lab_repeated

Статус

active

Ограничения

Nine runs across three cells on one unit — repeated, not unit-replicated. Measured at concurrency 1 on a quiesced node with a desktop session present. Says nothing about when a usable answer starts; see the answer-token claim.

Прогоны

• run-20260802-nothink-a
• run-20260802-nothink-a-r2
• run-20260802-nothink-a-r3
• run-20260802-budget4k-a
• run-20260802-budget4k-a-r2
• run-20260802-budget4k-a-r3
• run-20260802-gonogo-a2
• run-20260802-budget1k-a-r2
• run-20260802-budget1k-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/ttft-any-token.sql

Как цитировать

AGmind Systems Lab. "On the tested Strix Halo configuration, the first streamed token of any kind arrives in a median of this many milliseconds — but on this model that first token is reasoning, not the answer." Claim strix.qwen36.interactive.c1.ttft-any-token (221 ms), evidence level lab_repeated, scope interactive-assistant-v1@2026-08-02. https://agmind.ai/claims/strix.qwen36.interactive.c1.ttft-any-token/

@misc{agmind_strix_qwen36_interactive_c1_ttft_any_token,
  author       = {{AGmind Systems Lab}},
  title        = {On the tested Strix Halo configuration, the first streamed token of any kind arrives in a median of this many milliseconds — but on this model that first token is reasoning, not the answer.},
  howpublished = {\url{https://agmind.ai/claims/strix.qwen36.interactive.c1.ttft-any-token/}},
  note         = {Claim strix.qwen36.interactive.c1.ttft-any-token: 221 ms; evidence level lab\_repeated; scope interactive-assistant-v1@2026-08-02},
  year         = {2026}
}

Машиночитаемо: /claims/strix.qwen36.interactive.c1.ttft-any-token.json · весь реестр