复现实验

这套流程把“复现”拆成两个可验收层级：任何机器都能完成离线证据验真；满足固定软硬件条件的机器可以继续完成性能复跑并生成一份新的环境回执。两者使用同一组模型、提示词、ACL 与输出身份。

边界说明

当前原始 Q6_K 采集记录了干净源码 revision 与精确二进制身份。从更新 revision 复跑仍属于新实验，必须保留自己的 Git revision、二进制哈希和环境回执。此前披露 dirty worktree 的混合制品记录继续作为历史证据保留。

验收基线

项目	固定值
模型制品	原始 Q6_K GGUF，22,884,408,288 字节
模型 SHA-256	`562fbf760503008f118e5df38de5b3e97992d1f693f475815631198547486727`
峰值模式	前缀 FR8192 MTP K7/S6；目标模型精确校验
工作形状	1 次预热 + 9 次实测；每次生成 1,024 token；batch 11；greedy；关闭短批量 Flash Attention
最新精确构建结果	174.4133 token/s 中位数；最低 172.7230；最高 177.1497；4 / 9 个样本不低于 175
全词表对照	中位数 147.0207 token/s，最低 146.0917
12 题请求全程校准	关闭 MTP 29.713；全词表 47.032；前缀 FR 37.290 token/s
输出 SHA-256	`a54538eaaf6cc0b8b43cbafd489c7779f0f5206c93d5034fd3a16f4366a90523`

1. 获取源码并冻结实验身份

在 Windows PowerShell 中执行：

git clone https://github.com/A3S-Lab/Power.git
Set-Location Power

$powerCommit = (git rev-parse HEAD).Trim()
$dirtyFiles = @(git status --porcelain)
if ($dirtyFiles.Count -ne 0) {
  throw 'A clean worktree is required'
}
$powerCommit

最新峰值采集的干净源码 revision 为 da2c1dd5a2c6a573ef8be7789de4a67fdb2a0eb0，当前质量矩阵为 64aef15ddff7232c6261385700c8a912d1ed0963。从更新的干净 revision 复跑是允许的，但必须保留独立证据，不能覆盖已有记录。

2. 先做无需模型的离线验真

当前纯 Q6_K 校验器不加载 22.88 GB 模型，也不需要 NVIDIA GPU。它固定整个紧凑证据载荷，并重新计算干净的 600 请求质量矩阵：

py -3.13 .\tools\test_qwen38_q6_quality_evidence.py
py -3.13 .\tools\qwen38_q6_quality_evidence.py verify `
  --evidence .\docs\benchmarks\qwen3.8-27b-q6k-rtx4090\quality\pure-q6-rtx4090-3x.evidence.json `
  --json

它会重新计算 23.642 对 41.035 token/s。完整输出一致率为 50/100，严格评分有 2 个损失，因此 --require-lossless 会失败，MTP 保持为可选模式。

验证历史峰值与混合制品证据

下面的历史校验器验证 14 个文件 SHA-256，并重新计算较早的峰值与混合制品记录：

powershell -NoProfile -ExecutionPolicy Bypass `
  -File .\tools\verify-qwen38-q6k-evidence.ps1 -Json

成功时进程退出码为 0，输出包含：

{
  "status": "passed",
  "verified_file_hashes": 14,
  "quality": {
    "completed_requests": 900,
    "request_wide_tokens_per_second": 83.22814601950864
  },
  "pure_q6": {
    "full_vocabulary_k7_s7_median": 147.020656574707,
    "prefix_fr8192_k7_s6_median": 176.6108685085471
  }
}

任一文件字节或统计值变化，脚本都会返回非零退出码并指出不匹配字段。

3. 对齐验收主机

这些 token/s 数值是下面这台机器上的边界，不是跨硬件承诺：

层级	验收环境
OS	Windows 11 build 22631
GPU	NVIDIA GeForce RTX 4090，24,564 MiB，compute capability 8.9
CPU	Intel Xeon w5-2445，10 核 / 20 线程
驱动与 CUDA	NVIDIA 610.74；CUDA 12.6
工具链	Rust 1.97.1、受支持的 MSVC、CMake、Ninja、libclang
主机控制	High Performance 电源计划；进程优先级 High；GPU 2745 MHz
CPU 亲和性	`0x55555`（十进制 `349525`，只适用于该 CPU 拓扑）

更换 GPU、驱动、时钟、显示负载或 CPU 拓扑后仍可运行同一协议，但必须把结果标为新平台；不要为了通过门槛而复制不适用的亲和性掩码。

4. 构建固定 CUDA 配置

cargo fetch
powershell -NoProfile -ExecutionPolicy Bypass `
  -File .\tools\apply-llamacpp-power-patches.ps1

$env:CMAKE_GENERATOR = 'Ninja'
$env:CMAKE_CUDA_ARCHITECTURES = '89'
cargo build --release --bins `
  --target-dir target-native-sm89-ninja `
  --no-default-features `
  --features llamacpp-cuda,llamacpp-mtp-fr

补丁工具必须确认绑定层与内嵌 llama.cpp 补丁都已应用。runner 会拒绝任何不是独占 llama.cpp 的后端。

5. 校验模型与输入

先把原始 Q6_K 制品注册为 qwen3.8-27b-q6-k，再设置 Power 数据目录。下面三个仓库输入的哈希必须完全一致：

输入	SHA-256
`prompt.txt`	`d95a5e4dad822ba9c84138f7a120017318bcb3a6a90e77246a8ec4ede0e65d89`
原始 Q6_K 全词表 K7/S7 ACL	`eb445101c1e33a035c9b1d120fec12d9b21e6ce1b2fe5486ad46bee52878a588`
原始 Q6_K 前缀 FR8192 K7/S6 ACL	`9b1213df972ea3731010a1fa72b0d553ba73da42f31e92eaa4fecd3156cbf2ef`

$powerHome = 'D:\models\a3s-power\qwen38\power-home'
$manifestPath = Join-Path $powerHome `
  'models\manifests\qwen3.8-27b-q6-k.json'
$manifest = Get-Content -Raw -LiteralPath $manifestPath | ConvertFrom-Json
$model = Get-Item -LiteralPath $manifest.path

if ($model.Length -ne 22884408288) { throw 'Unexpected model size' }
if ((Get-FileHash -Algorithm SHA256 -LiteralPath $model.FullName).Hash -ne
    '562FBF760503008F118E5DF38DE5B3E97992D1F693F475815631198547486727') {
  throw 'Unexpected model hash'
}

6. 完整复跑前缀 FR8192 峰值

关闭占用 GPU 的程序，并在允许锁定 GPU 时钟的终端中执行：

$benchmarkRoot = 'D:\models\a3s-power\qwen38\benchmark'
$powerHome = 'D:\models\a3s-power\qwen38\power-home'

.\tools\run-qwen38-q6k-benchmark.ps1 `
  -Label pure-q6-fr8192-k7s6-replay `
  -Config .\docs\benchmarks\qwen3.8-27b-q6k-rtx4090\pure-q6-mtp7-snap6-fr8192-host-staged.acl `
  -PromptFile .\docs\benchmarks\qwen3.8-27b-q6k-rtx4090\prompt.txt `
  -BenchmarkRoot $benchmarkRoot `
  -PowerHome $powerHome `
  -ModelHash 562fbf760503008f118e5df38de5b3e97992d1f693f475815631198547486727 `
  -MaxTokens 1024 -NumBatch 14 -WarmupRuns 1 -Samples 9 `
  -MinimumTokensPerSecond 175 -ProcessPriority High `
  -ProcessorAffinityMask 349525 -LockGpuClockMHz 2745 `
  -TargetDirectory target-native-sm89-ninja `
  -RequireHighPerformancePowerPlan -RequireCleanTree

runner 在 finally 中恢复 GPU 时钟，并把失败报告也保留下来，便于区分真实性能回归与环境争用。

7. 验收新结果

在 $benchmarkRoot 中保留以下文件：

pure-q6-fr8192-k7s6-replay.json：9 个原始样本、统计值和输出摘要；
pure-q6-fr8192-k7s6-replay.environment.json：Git、二进制、模型、ACL、提示词、GPU、进程与电源状态；
对应 stdout / stderr 日志：后端初始化与失败诊断。

只有同时满足以下条件才算通过：9 个请求都生成 1,024 token；稳态中位数不低于 175 token/s；所有输出 SHA-256 一致；模型身份精确匹配；后端独占；工作树干净；要求的主机控制真实生效。

8. 验证只使用 Q6_K 目标的原生 DFlash2 采集

两种模式都使用同一份 22.88 GB Q6_K 目标。1.14 GB Q4 DFlash2 制品只负责 proposal，不是目标模型。无需模型或 GPU 即可重新计算原生配对：

a3s-power-speculative-bench compare `
  .\docs\benchmarks\qwen3.8-27b-q6k-rtx4090\dflash2\native-target-only.json `
  .\docs\benchmarks\qwen3.8-27b-q6k-rtx4090\dflash2\native-dflash2-k7-s6.json

结果应为 33.075 对 144.453 token/s 解码中位数、4.367 倍提升和输出完全一致；请求全程中位数为 25.744 对 63.182 token/s。完整 DFlash2 指南固定了干净源码提交 72a1ecd、制品与二进制哈希、A3S_POWER_HOME 注册、主机控制、质量证据和精确复跑命令。

9. 复现原生 DSpark 门槛

外部 DSpark 使用保持不变的 22,884,408,288 字节 Q6_K 目标和固定摘要的 1.10 GB DSpark Q4 制品。先运行两个无需模型与 GPU 的校验器：

powershell -NoProfile -ExecutionPolicy Bypass `
  -File .\tools\verify-dspark-evidence.ps1 -Json

py -3.13 .\tools\qwen38_quality_evidence.py verify `
  --evidence .\docs\benchmarks\qwen3.8-27b-q6k-rtx4090\dspark\quality\evidence.json `
  --json

第一个验证 context-512 峰值：目标对照 32.249 token/s，DSpark K10/S6 中位数 169.324、最低 167.102 token/s，三次输出和回执完全一致。第二个验证 context-1024 的 600 请求质量采集：22.618 对 32.678 token/s、1.445 倍提升，以及分数、回放与全部配对任务向量。加入 --require-production-default 应当失败，因为完整输出一致率只有 54/100；该 K10/S6 矩阵是诊断证据，不是无损默认值。

完整的 Windows/CUDA 长版流程还包含 DSpark 质量矩阵命令、配对全词表对照、原始 Q6_K 12 题校准与此前的混合制品门槛；质量矩阵协议说明如何重复现有 100 题 × 3 轮测试。

#复现实验

#验收基线

#1. 获取源码并冻结实验身份

#2. 先做无需模型的离线验真

#验证历史峰值与混合制品证据

#3. 对齐验收主机

#4. 构建固定 CUDA 配置

#5. 校验模型与输入

#6. 完整复跑前缀 FR8192 峰值

#7. 验收新结果

#8. 验证只使用 Q6_K 目标的原生 DFlash2 采集

#9. 复现原生 DSpark 门槛