当前基线与证据索引
当前默认：单台 DGX Spark，固定 nightly / 模型 revision，131072 总 tokens、eager、前缀缓存、MTP=2、BF16 KV、GPU memory=0.80。 128K 是输入与输出共享的上限。例如预留 2048 输出时，输入不能超过 129024 tokens。 max_num_seqs=4 是调度上限，尚未验证四路同时满 128K；有限合成检索通过不等于长期稳定性保证。
| 文档 | 用途 |
|---|---|
| 运维说明 | Spark 项目结构、升级、归档与回退 |
| 版本清单 | 固定镜像、模型、适配来源 |
| 前缀缓存优化 | 缓存正确性与首次性能改善 |
| 图复测 | 2048 输出预算下的小尺寸图验证 |
| 容量边界 | 64K/128K 通过、接近 260K 主机 OOM |
| Nsight 剖析 | 图真实生效但约 4.5% 收益的证据 |
| 迁移验收 | 本次 main 整理及 Spark 128K 部署验证 |
历史报告中的 262K、旧镜像和“恢复原配置”仅描述测试当时状态。 默认配置及 no-prefix 回退现均为 128K；更保守的 baseline 回退为 32K、无 MTP。 实验图覆盖仍是可选项，不自动作为生产默认。