Chiphell - 分享与交流用户体验

标题: Ktransformers 0.2.4 发布，671B Q4 单卡4090D四路并发 40tk/s [打印本页]

作者: KimmyGLM 时间: 2025-4-2 16:26
标题: Ktransformers 0.2.4 发布，671B Q4 单卡4090D四路并发 40tk/s
本帖最后由 KimmyGLM 于 2025-4-2 16:33 编辑

老英这次全程支持KT，给了很多资料，硬件上直接给了目前服务器的天花板：

Xeon 6 6980P 双路
MRDIMM 1T 8800 DDR5 12ch
4090D单卡

模型：671B Q4

https://github.com/kvcache-ai/kt ... en/balance-serve.md

速度：4*10tk/s

分析：MRDIMM 8800，单路理论带宽：844.8 G/s，双路实际带宽约有1.4T/s，高于9005的近1T 带宽；
而4090D的带宽只有1T，这也解释了上面链接中提到的4090D成为整个程序的短板，预计更换1.8T带宽的5090还有更大提升！

0.2.4目前没有应用amx加速，本月0.3版本会继续加入AMX，且开源！

多卡并发预计会在0.3发布后，陆续维护；

按这么个思路发展下去，Xeon 7已知加入fp8 amx加速，MRDIMM 按规划会来到12800的频率；

配合KT 框架，确实可以逐步剥离NV的集群。

国产骄傲！

作者: kingofgu 时间: 2025-4-2 16:53
推理确实有很多方案
nv主要卡的还是训练

作者: StevenG 时间: 2025-4-2 16:57
这套平台也得30万了。。。要是96g版4090存在，还真说不好同等性能（多套提供服务），哪边便宜。。。

作者: KimmyGLM 时间: 2025-4-2 16:57

kingofgu 发表于 2025-4-2 16:53
推理确实有很多方案
nv主要卡的还是训练

是的，一步步来嘛。

作者: KimmyGLM 时间: 2025-4-2 16:59

StevenG 发表于 2025-4-2 16:57
这套平台也得30万了。。。要是96g版4090存在，还真说不好同等性能（多套提供服务），哪边便宜。。。 ...

现阶段用eypc 9005 + 6400内存跑，稍微慢点，但总体价格便宜不少；
其实再往下点，捡捡D4垃圾也可以，单卡并发能把老平台也抬一抬；日常使用，20token/s 就足够了
后续更新多卡并发的话，会更有意思

作者: awpak78 时间: 2025-4-2 17:05
用上12通道8800 MRDIMM才这个速度，4090D究竟是在加速还是减速？

搞不好vllm+ipex纯CPU跑都有这个速度了

作者: KimmyGLM 时间: 2025-4-2 18:17

awpak78 发表于 2025-4-2 17:05
用上12通道8800 MRDIMM才这个速度，4090D究竟是在加速还是减速？

搞不好vllm+ipex纯CPU跑都有这个速度了 ...

显然不可能，b站搜视频9005纯cpu满带宽跑q5才5token/s……
我自己的4060ti 16g+768g跑kt q4 10.5token；

作者: os39000 时间: 2025-4-2 21:31

KimmyGLM 发表于 2025-4-2 18:17
显然不可能，b站搜视频9005纯cpu满带宽跑q5才5token/s……
我自己的4060ti 16g+768g跑kt q4 10.5token；
...

大佬什么cpu？768 是 96*8？还是64*12？

作者: KimmyGLM 时间: 2025-4-2 21:44

os39000 发表于 2025-4-2 21:31
大佬什么cpu？768 是 96*8？还是64*12？

48×16，现阶段24 48 96g的d5最便宜

作者: endlessbest 时间: 2025-4-2 22:11

KimmyGLM 发表于 2025-4-2 18:17
显然不可能，b站搜视频9005纯cpu满带宽跑q5才5token/s……
我自己的4060ti 16g+768g跑kt q4 10.5token；
...

大佬，求 4060ti 16g + 768g硬件方案

作者: 望月 时间: 2025-4-3 11:13

KimmyGLM 发表于 2025-4-2 18:17
显然不可能，b站搜视频9005纯cpu满带宽跑q5才5token/s……
我自己的4060ti 16g+768g跑kt q4 10.5token；
...

大佬真心请教下，如果我手里有32G甚至48G的显卡，KT多分几层任务到显卡上，搭配8*64G共512G内存，Q4能达到10token/s以上么？
还是说，16G显存基本够了，再上多卡对KT这种框架提升不了太多，但是8*128G内存可能会快不少？

作者: LNT 时间: 2025-4-3 11:39

望月发表于 2025-4-3 11:13
大佬真心请教下，如果我手里有32G甚至48G的显卡，KT多分几层任务到显卡上，搭配8*64G共512G内存，Q4能达 ...

超过最低限制之后，跟单条容量没关系。单CPU，260GB/s(8x5200)可以做到12tps，360GB/s(12x4800)可以做到13.5tps

作者: a010301208 时间: 2025-4-3 11:46

望月发表于 2025-4-3 11:13
大佬真心请教下，如果我手里有32G甚至48G的显卡，KT多分几层任务到显卡上，搭配8*64G共512G内存，Q4能达 ...

显存越大上下文长度可以更大，其实像写小说这种，一次要输出几万字的才爽

作者: a010301208 时间: 2025-4-3 11:48
对目前的这种兴趣都不大了，等R2，R3以后慢慢把模型做小，300B性能超过671B，100B性能超过300B，这才是趋势

作者: pingji 时间: 2025-4-3 12:03
推理本来也用不着非得nv多年前就有方案，主要是训练，部署算个鸡儿的事……

作者: KimmyGLM 时间: 2025-4-3 12:55
本帖最后由 KimmyGLM 于 2025-4-3 13:10 编辑

望月发表于 2025-4-3 11:13
大佬真心请教下，如果我手里有32G甚至48G的显卡，KT多分几层任务到显卡上，搭配8*64G共512G内存，Q4能达 ...

这是目前官方自己统计的跑通明细表，可以参考；
多卡并发从群里讨论来看，是可以提高decode速度的，而且应对长文时更是必不可少；
以上需要建立在：服务器内存带宽至少要有个500G /s 以上才行，否则再怎么加卡并发，天花板明显（可以参考表格中D4 平台的速度）

PS. 内存容量是你要跑的模型的双倍即可，用numa+1, 这样可以大约快个20%；
不好的在于，拉取模型到内存中时间较长；

核心思路就是：整个服务器平台的内存带宽，和显卡本身的带宽，差距不要太大即可；
比如像我这种4060ti , 就严重制约了速度；改用4070ti super的话，预计14-15token/s

https://swcil84qspu.feishu.cn/wiki/ZlhBwiSyEiZWyMkMdtDcpNyLnlf

作者: KimmyGLM 时间: 2025-4-3 13:13

endlessbest 发表于 2025-4-2 22:11
大佬，求 4060ti 16g + 768g硬件方案

看下面的官方统计链接即可；

我是实在预算有限才上的4060ti，有条件的话，3090/4070tisuper更合适；16G 以上安培结构之后的新显卡，显存越大越好；

8575C单路，768G 5600 d5 8ch，主板（超微/技嘉）

或者9005 eypc，12ch 6400 （实际跑6000），主板（超微/技嘉）

作者: 望月 时间: 2025-4-7 10:57

KimmyGLM 发表于 2025-4-3 12:55
这是目前官方自己统计的跑通明细表，可以参考；
多卡并发从群里讨论来看，是可以提高decode速度的，而且 ...

嗯，工作环境原因，我这边不是成本考虑，更多是从平台架构上摸索，我能摸到现在I家和A家的桌面和工作站，但是摸不到服务器。

所以这么看来，桌面平台我哪怕能上NV的48G的专业卡，内存带宽不够(桌面只能上4条内存2DPC)的瓶颈解决不了。这样的话，最多跑跑2.51量化，肯定跑不了Q4。
反过来，想跑Q4以上，大概率还是得上高端工作站平台，8条内存。然后显卡那就多多益善了，能上4*48G的卡，对于长文肯定远好于单卡。

这样理解对嘛？

作者: KimmyGLM 时间: 2025-4-7 11:01

望月发表于 2025-4-7 10:57
嗯，工作环境原因，我这边不是成本考虑，更多是从平台架构上摸索，我能摸到现在I家和A家的桌面和工作站， ...

你要预算足够，上Tr Pro，线撕7995wx，八通道D5带宽300G+，兼顾家用和游戏，足够强悍了
显卡就你说的，看着选即可，单卡4090 48G 比较合适，再有钱就多加卡。

作者: 8owd8wan 时间: 2025-4-7 11:09
这速度已经具备了生成环境部署的意义了。。。

作者: penryn 时间: 2025-4-7 11:20
之所以用4090是因为cpu本身跑不满带宽么

作者: 望月 时间: 2025-4-7 14:06

KimmyGLM 发表于 2025-4-7 11:01
你要预算足够，上Tr Pro，线撕7995wx，八通道D5带宽300G+，兼顾家用和游戏，足够强悍了
显卡就你说的，看 ...

哈哈，我没有“预算”

我的工作，身边可以比较方便接触到Intel和AMD桌面级别最新的平台，例如A家ZEN5和I家的ARL，所以我优先想要搞明白桌面级别平台，大概能力能做到啥。

然后，身边不太方便但是可以弄到的，是工作站平台，W5 W7 W9那种CPU单路+8条内存的，如果说上面桌面平台能力实在太差，想带起来R1 Q4必须是这个平台以上，我就想办法去搞，就是麻烦一些。

谢谢大佬指点啦

作者: LNT 时间: 2025-4-7 16:18

KimmyGLM 发表于 2025-4-7 11:01
你要预算足够，上Tr Pro，线撕7995wx，八通道D5带宽300G+，兼顾家用和游戏，足够强悍了
显卡就你说的，看 ...

7995不超内存的话就只有270GB/s，游戏由于核心数太多也比较差，绝大多数情况下不如64核的7985wx，跑ktransformers的话也就12.5tps，远不如9004的epyc性价比高

https://www.chiphell.com/thread-2667886-1-1.html

作者: 声色茶马 时间: 2025-4-7 16:55

LNT 发表于 2025-4-7 16:18
7995不超内存的话就只有270GB/s，游戏由于核心数太多也比较差，绝大多数情况下不如64核的7985wx，跑ktra ...

只恨财力不足……7995真是太贵了。一颗CPU的钱搞eypc 9554双路+12通道1T内存+主板都快够了吧？12通道内存带宽好像330T+。

作者: 港城钢铁侠 时间: 2025-4-7 17:00
Xeon6+MRDIMM 8800+双路才跑到这个速度的，这套平台里内存带宽都赶上显存带宽了，成本太高

作者: KimmyGLM 时间: 2025-4-8 08:40

港城钢铁侠发表于 2025-4-7 17:00
Xeon6+MRDIMM 8800+双路才跑到这个速度的，这套平台里内存带宽都赶上显存带宽了，成本太高 ...

B站有实测，MRDIMM 8800可以直接超到12800，太tm吓人了。
现在这套中最贵的是U，板子现在技嘉已经出了单路MA34-CP0，内存咸鱼有卖，勉强还算便宜；

欢迎光临 Chiphell - 分享与交流用户体验 (https://www.chiphell.com/)