Qwen3.6-35B-A3B Q4_K_M на Ryzen AI Max+ 395 (llama.cpp Vulkan) — inter-token latency: 15.9 мс/токен

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 «inter-token latency» составила 15.9 мс/токен (median over valid requests). Измерение выполнено под замороженным ворклоадом interactive-assistant-v2@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

Median inter-token latency (client-side decode-speed proxy) for Q4_K_M on the Vulkan backend.

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-v2@2026-08-02

Агрегация

median over valid requests

Уровень доказательности

lab_repeated

Статус

active

Ограничения

Three repeated runs on one unit, reasoning disabled.

Прогоны

• run-20260802-v2-nothink-a
• run-20260802-v2-nothink-a-r2
• run-20260802-v2-nothink-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/itl-median.sql

Как цитировать

AGmind Systems Lab. "Median inter-token latency (client-side decode-speed proxy) for Q4_K_M on the Vulkan backend." Claim strix.qwen36q4.vulkan.c1.itl-nothink (15.9 ms/token), evidence level lab_repeated, scope interactive-assistant-v2@2026-08-02. https://agmind.ai/claims/strix.qwen36q4.vulkan.c1.itl-nothink/

@misc{agmind_strix_qwen36q4_vulkan_c1_itl_nothink,
  author       = {{AGmind Systems Lab}},
  title        = {Median inter-token latency (client-side decode-speed proxy) for Q4\_K\_M on the Vulkan backend.},
  howpublished = {\url{https://agmind.ai/claims/strix.qwen36q4.vulkan.c1.itl-nothink/}},
  note         = {Claim strix.qwen36q4.vulkan.c1.itl-nothink: 15.9 ms/token; evidence level lab\_repeated; scope interactive-assistant-v2@2026-08-02},
  year         = {2026}
}

Машиночитаемо: /claims/strix.qwen36q4.vulkan.c1.itl-nothink.json · весь реестр