ทดสอบ Qwen3.8 27B 7 ระดับ quantization ตั้งแต่ Q8_0 ถึง Q2_K_XL บน Radeon AI PRO R9700 ดูทั้งคุณภาพ (PPL, KLD, HellaSwag และโจทย์จริง 764 ข้อ) ความเร็ว และ VRAM
Tag: TTFT
- เมื่อโมเดลถูกลดขนาดยังตอบคำถามได้เหมือนเดิมไหม: กรณีศึกษา Qwen3.8 27B ตั้งแต่ Q8 ถึง Q2
- Prefill vs Decode: TTFT และ TPS ต่างกันอย่างไร ความเร็วที่หลายคนสงสัย
อธิบายสองระยะการทำงานของ LLM คือ Prefill และ Decode พร้อมตัวชี้วัด TTFT และ TPS ว่าวัดอะไร ถูกจำกัดด้วยทรัพยากรใด และเหตุใดตัวเลขเดียวจึงบอกประสิทธิภาพไม่ครบ
- จับเครื่องเล่นเกมพกพา MSI Claw 8 EX AI+ มารัน Chatbot โดยใช้ CPU, GPU และ NPU ระดับ 46 TOPs: มาดูกันว่าทำงานได้ขนาดไหน
ครั้งนี้ผมนำเครื่องเล่นเกมพกพา MSI Claw 8 EX AI+ มาลองในมุมที่ต่างจากการเล่นเกม คือใช้เป็นเครื่องทดสอบ Local LLM และลองด…
- รายงานผลการทดสอบ: NVIDIA GeForce RTX 5060 Ti 16GB กับการรัน Local LLM บน Windows — ประชัน CUDA vs Vulkan บน Dense 12B และ MoE 26B
ผลการทดสอบเชิงลึกการ์ดจอ NVIDIA GeForce RTX 5060 Ti 16GB (สถาปัตยกรรม Blackwell) ด้วย PromptMark v0.4.0 เปรียบเทียบรันไทม์ CUDA vs Vulkan บน Gemma-4 12B และทดสอบขีดจำกัดหน่วยความจำบน Gemma-4 26B-A4B MoE ในภาวะ VRAM-Tight
- รายงานผลการทดสอบ: AMD Radeon RX 9070 XT 16GB กับการรัน Local LLM บน Windows — ประชัน ROCm vs Vulkan บน 8 โมเดล LLM พร้อมทดสอบขีดจำกัด Concurrency
ผลการทดสอบเชิงลึกการ์ดจอ AMD Radeon RX 9070 XT 16GB (สถาปัตยกรรม RDNA 4) ด้วย PromptMark v0.4.0 และ Concurrent Text Benchmark เปรียบเทียบรันไทม์ ROCm vs Vulkan ทั้งโมเดล MoE, Dense และฟอร์แมตควอนไทซ์ NVFP4 พร้อมวัดประสิทธิภาพการรองรับผู้ใช้พร้อมกัน 16 ผู้ใช้
- รายงานผลการทดสอบ: Intel Arc B580 Dual GPU (2x 12GB รวม 24GB VRAM) กับการรัน Local LLM บน Windows
ผลการทดสอบเชิงลึกการ์ดจอคู่ Intel Arc B580 24GB VRAM ด้วย PromptMark v0.4.0 เปรียบเทียบรันไทม์ SYCL vs Vulkan และสถาปัตยกรรม MoE vs Dense บน 8 โมเดล LLM ยอดนิยม
- รายงานผลการทดสอบ: Intel Arc B580 12GB กับการรัน Local LLM บน Windows (Vulkan vs SYCL)
ผลการทดสอบการ์ดจอ Intel Arc B580 12GB (สถาปัตยกรรม Xe2) ด้วย PromptMark เปรียบเทียบรันไทม์ Vulkan vs SYCL บน 5 รูปแบบโมเดล LLM พร้อมวิเคราะห์ Prefill, Decode และการสเกล Context 8K
- Latency
เวลาที่ต้องรอ นับจากส่งคำขอจนได้ผลลัพธ์ ในงาน LLM แบ่งดูได้เป็นเวลารอ token แรก และเวลารวมจนตอบจบ
- Prefill (Prompt Processing)
ขั้นตอนที่โมเดลประมวลผล prompt ทั้งหมดที่ป้อนเข้าไป ก่อนเริ่มสร้างคำตอบ
- TTFT (Time To First Token)
ระยะเวลาตั้งแต่ส่ง prompt จนโมเดลเริ่มสร้าง token แรก
