Rapport de performance — Strata UD-Q4_K_XL — cartes seules et combinaisons GPU

Série solo (une carte à la fois) + comparatif multi-GPU — 7/7 combinaisons terminées · Qwen3.8-Flash-Next Unsloth UD-Q4_K_XL · machine Ultra9 (192.168.1.112) · multi-GPU 2026-10-16 → 17 (terminés 17:0x, 17:5x, 18:4x EDT, run D 02:00 EDT) · solo 2026-10-16 → 17 (terminés 22:45, 23:25, 00:38 EDT)

Verdict multi-GPU : run 3 — 5090PCI + 3090TB5 + 5090TB5 reste la référence prefill — jusqu'à +52,9 % de prefill (96K), +69,3 % de decode chat et +25,0 % de decode agent vs run 1 — 5090PCI + 3090TB5. run D — 5090PCI + 5090TB5 est le meilleur decode de la série (agent 116,3 tok/s, +9,6 % vs run 3 ; chat 82,5 ≈ run 3) et libère le GPU 1 (3090TB5). La paire run 2 — 3090TB5 + 5090TB5 reste le choix quand la 5090PCI doit rester libre : decode proche (chat +8,8 % vs run 1 — 5090PCI + 3090TB5) mais prefill -62 à -64 %.

Verdict solo : 5090PCI seule bat toutes les configurations multi-GPU sur le prefill (2 323–3 894 tok/s vs 1 012–3 385) et reste à −2,3 % du run 3 en decode agent (103,7 vs 106,1) — une carte seule au lien natif (42,5 GB/s) coûte moins cher que trois cartes dont deux sur le TB5 partagé. Le goulot du Q4 en carte seule est le lien PCIe : le prefill sature le lien à 16K et reste plat jusqu'à 96K, proportionnel à la bande mesurée (plateaux ~3 894 / ~768 / ~565 tok/s).

run D [0,2] — les deux 5090 (2026-10-17 02:00 EDT, bat C:\Strata\5090_5090_q4.bat, instance lancée par l'agent — documenté dans C:\Strata\STATUS.md) : prefill entre run 1 et run 3 (2 451 tok/s à 32K, plateau 2 755/2 827 à 64-96K), meilleur decode agent de la série — la 7e et dernière combinaison des 3 cartes, série terminée 7/7.

1. Machine et cartes (mesuré au chargement)

Modèle 71,73 Go chargés · engine Strata 0.1.44.1 · contexte 262 144 · KV int8 · serveur port 8080 · 223 Go RAM · Windows WDDM · thinking désactivé sur tous les runs.

Carte	nvidia-smi	Lien	Bande passante mesurée	Rôle dans le comparatif
5090PCI (RTX 5090, PCIe natif)	0	PCIe natif	42,5-42,6 GB/s	runs 1, 3, D et A (solo) — multi-GPU : porte le gros du modèle (L0-32 sur D, L3-47 sur 1, L3-32 sur 3 + le plus gros cache d'experts) · solo : test de la bande du lien natif ; carte d'affichage du PC
3090TB5 (RTX 3090)	1	Thunderbolt 5 (partagé)	5,0-5,1 GB/s	runs 1, 2, 3 et C (solo) — multi-GPU : en tête du split (couches 0-2 + petit cache) sur 1/2/3 ; libérée sur run D · solo : test de la bande TB5 de la 24 Go
5090TB5 (RTX 5090, Thunderbolt)	2	Thunderbolt 5 (partagé)	5,9 GB/s	runs 2, 3, D et B (solo) — multi-GPU : run 2 porte presque tout (L3-47), runs 3 et D la fin (L33-47 + head) · solo : test de la bande TB5 de la 32 Go

Les deux cartes TB5 partagent un seul lien Thunderbolt 5 ; l'engine sonde la vitesse par carte et pondère le coût de miss. « 5090PCI », « 3090TB5 », « 5090TB5 » sont les noms utilisés partout dans ce document.

2. Configurations (identiques 1:1, seuls GPU et split changent)

	run 1 5090PCI + 3090TB5	run 2 3090TB5 + 5090TB5	run 3 5090PCI + 3090TB5 + 5090TB5	run D 5090PCI + 5090TB5
cartes (indices nvidia-smi du `"gpu"` de config)	0 + 1	1 + 2	0 + 1 + 2	0 + 2
split auto (couches · cache experts)	3090TB5 : L0-2 · 1 536 slots 5090PCI : L3-47 · 7 311 slots	3090TB5 : L0-2 · 1 536 slots 5090TB5 : L3-47 · 7 475 slots	3090TB5 : L0-2 · 1 536 slots 5090PCI : L3-32 · 7 981 slots 5090TB5 : L33-47+head · 7 501 slots	5090PCI : L0-32 · 7 995 slots 5090TB5 : L33-47+head · 7 448 slots
masse d'experts routée en VRAM	~96,9 %	~96,9 %	~98,8 %	~98,5 %
pipeline-windows 2 / adapt-async 1	oui	oui	non — désactivés par l'engine sur 3 stages ou plus	oui / non — 2 stages : pipeline-windows actif, adapt-async désactivé par l'engine
instance	double-clic user	double-clic user	double-clic user (bascule 18:19 EDT)	lancée par l'agent 2026-10-17 02:00 EDT — les 3 double-clics de l'user sur le bat ne laissaient aucune trace (pas de cmd.exe, pas de python, pas de log engine ; bat + config byte-perfect, gardes verts, re-vérifiés 01:43 EDT) ; arrêtée par l'agent après le bench (documenté dans `C:\Strata\STATUS.md`)

Tout le reste identique : pack Q4_K_XL, modèles sur NVMe W:, --ple-io ram, spec 4, MTP, pool-workers 15, conv-cache 24 576 MiB, même env dans les bats. Slots de conv-cache : 3 sur les multi-GPU, 16 sur la série solo (consigne user 2026-10-16 : 16 conversations garées, 24 Go conservés).

Série solo — une carte à la fois (2026-10-16 → 17)

	A 5090PCI seule	B 5090TB5 seule	C 3090TB5 seule
bat / config	`5090_pci_q4.bat` `strata-unsloth-ud-q4_k_xl-pci16-solo.json`	`5090_tb5_q4.bat` `strata-unsloth-ud-q4_k_xl-tb5-solo.json`	`3090_tb5_q4.bat` `strata-unsloth-ud-q4_k_xl-3090-solo.json`
carte (nvidia-smi)	0	2	1
lien mesuré au chargement	42,5 GB/s (pcie_frac 0,55)	5,9 GB/s (pcie_frac 0,16)	5,1 GB/s (pcie_frac 0,14)
cache experts	7 802 slots / 23 322 MiB	7 802 slots / 23 322 MiB	5 256 slots / 15 697 MiB
VRAM restante au chargement	385 MiB *	385 MiB *	444 → 312 MiB *
vram-reserve-later-mib / pipeline	1187 (carte d'affichage) / — (1 stage)	— / —	— / —
instance validée	2026-10-16 22:30 EDT	2026-10-17 00:12 EDT	2026-10-16 22:47 EDT

* marge mince acceptée : l'engine émet un WARNING « below 1024 MiB », la marge a tenu sur les 44 requêtes des deux suites sans aucun stall (logs engine lus en entier). Le Q4 (71,73 Go) ne tient pas dans une carte : les experts hors VRAM sont streamés depuis la RAM (arène 6 Go épinglée) — chaque run solo est un test de la bande du lien PCIe de la carte. Runs solo lancés sans --pipeline-windows (1 stage, rien à pipeliner).

3. VRAM par GPU et RAM dédiée

VRAM utilisée par carte (calculée capacity − libre « with everything loaded », logs engine de chaque run ; inclut poids des couches, cache d'experts, KV et buffers de session) :

Config	Carte	Rôle dans le split	Capacité	VRAM utilisée	Libre au chargement
run 1 5090PCI + 3090TB5	3090TB5	L0-2 + cache 1 536 slots (4,83 Go) + buffers prompt 3,73 Go	24,0 Go	≈ 16,2 Go	7,99 Go
run 1 5090PCI + 3090TB5	5090PCI	L3-47 + head + cache 7 311 slots (21,20 Go)	32 Go 31,84 utiles	≈ 31,3 Go	0,73 Go
run 2 3090TB5 + 5090TB5	3090TB5	L0-2 + cache 1 536 slots (4,83 Go) + buffers prompt 3,73 Go	24,0 Go	≈ 15,7 Go	8,28 Go
run 2 3090TB5 + 5090TB5	5090TB5	L3-47 + head + cache 7 475 slots (21,68 Go)	32 Go	≈ 31,7 Go	0,25 Go *
run 3 5090PCI + 3090TB5 + 5090TB5	3090TB5	L0-2 + cache 1 536 slots (4,83 Go) + buffers prompt 3,73 Go	24,0 Go	≈ 17,0 Go	7,03 Go
	5090PCI	L3-32 + cache 7 981 slots (23,10 Go)	32 Go	≈ 31,1 Go	0,94 Go
	5090TB5	L33-47 + head + cache 7 501 slots (21,93 Go)	32 Go	≈ 31,3 Go	0,67 Go
run D 5090PCI + 5090TB5	5090PCI	L0-32 + cache 7 995 slots (23,34 Go) + buffers prompt 3,73 Go	32 Go 31,84 utiles	≈ 31,4 Go	0,44 Go *
run D 5090PCI + 5090TB5	5090TB5	L33-47 + head + cache 7 448 slots (21,78 Go) + buffers prompt 3,73 Go	32 Go	≈ 31,1 Go	0,73 Go *
Total VRAM occupée			—	47,5 Go (r1) · 47,4 Go (r2) · 79,4 Go (r3) · 62,5 Go (rD)	8,7 / 8,5 / 8,9 / 1,2 Go

* run 2 : le 5090TB5 descend à 0,25 Go libre (warning - LOW au chargement) ; les graphes de fenêtre s'y capturent ensuite jusqu'à 0,19 Go sans aucun stall — 44 requêtes tenues. Le « libre » est mesuré avant la capture des graphes (quelques centaines de MiB de plus consommées après). La 5090PCI garde 1 187 MiB réservés à la carte d'affichage (--vram-reserve-later-mib 1187). La 3090TB5 reste à ~7-8 Go libres dans les trois configs — sa part du modèle est petite (couches 0-2). * run D : 447 MiB (5090PCI, après la réserve d'affichage) et 743 MiB (5090TB5) au chargement — même WARNING WDDM « below 1024 MiB » que les solos, la marge a tenu sur les 44 requêtes sans stall.

RAM système dédiée — identique dans les trois configurations (c'est le même moteur et les mêmes réglages, seule la répartition GPU change) :

Poste	Taille	Source (mesurée)
Table PLE / n-gram (320 001 536 lignes, format IQ4_NL) verrouillée en RAM par `--ple-io ram`	≈ 28,8 Go	log « PLE table locked in RAM in 10,9 s » ; format de table IQ4_NL = 28,8 Go (docs/DETAILS.md)
Arène d'experts épinglée (4 tranches ; plafond WDDM multi-GPU 8 Go)	6,0 Go	log « 4 slices pinned (6 GiB) »
KV streaming épinglé (pages hors VRAM)	0,26 Go	log « the K/V in 0,26 GiB of pinned RAM »
Cache de conversations parkées — budget (plafond, pas une réservation) ; pic observé aujourd'hui ≈ 8,0 Go	24,0 Go max	`--conversation-cache-mib 24576` ; log « bytes=8 583 667 960 » (pic de la journée)
Total dédié	≈ 35 Go fermes + 24 Go de budget	≈ 59 Go au pire sur 223 Go de RAM

Les 103,7 Go de fichiers du modèle sur le NVMe W: ne sont pas dédiés : Windows les met en cache-lecture opportuniste et l'engine stream les experts manquants par l'arène épinglée de 6 Go. La table PLE en RAM est la raison du fix des crashes du matin (lecture NAS à ~1 Mo/s → watchdog) : 10,9 s de verrouillage au démarrage, plus aucune attente disque ensuite.

4. Série solo — suite officielle (médianes)

Test	A 5090PCI seule	B 5090TB5 seule	C 3090TB5 seule
chat decode (tok/s)	64,3	59,6	36,6
chat TTFT (s)	0,63	0,67	1,06
4K prefill (tok/s)	2 323,0	383,5	289,3
16K prefill (tok/s)	3 741,7	753,8	564,9
32K prefill (tok/s)	3 891,4	764,6	565,7
agent TTFT par tour (s)	2,07	10,39	13,90
agent decode (tok/s)	103,7	80,8	52,0
agent cache hit (%)	68,72 (4 jetons re-lus)	68,62 (72)	68,46 (142)
durée wall officielle (s)	114,1	434,5	588,3

5. Série solo — extension longs contextes (médianes)

Test	A 5090PCI seule	B 5090TB5 seule	C 3090TB5 seule
prefill 64K (tok/s)	3 993,4	769,5	563,3
prefill 96K (tok/s)	3 894,3	768,4	564,8
decode ctx 64K (tok/s, ~1 000 jetons)	96,0	78,4	47,0
decode ctx 32K (tok/s, ~1 000 jetons)	113,4	78,9	47,0
durée wall extension (s)	256,6	1 089,9	1 503,5

3090TB5 seule

47,0

6. Lecture — série solo

Le goulot est le lien PCIe, mesuré au chargement. Le prefill sature le lien à partir de 16K et reste plat de 16K à 96K sur chaque carte : plateau ~3 894 tok/s (5090PCI, 42,5 GB/s natifs), ~768 (5090TB5, 5,9 GB/s), ~565 (3090TB5, 5,1 GB/s) — les vitesses sont proportionnelles aux bandes mesurées. Le 4K est en dessous du plateau (overhead fixe par chunk, même forme que les runs multi-GPU).
Decode : 103,7 / 80,8 / 52,0 — la 5090TB5 est 1,55× la 3090TB5 (bande 5,9 vs 5,1 GB/s) et la 5090PCI 1,28× la 5090TB5 ; le decode dépend moins raide de la bande que le prefill.
Le chat court est quasi insensible au lien (64,3 / 59,6 / 36,6, prompts de 43–51 jetons) : seuls les gros contextes et l'agent (~14,5K jetons/tour) révèlent l'écart.
Solo 5090PCI vs multi-GPU : une carte seule au lien natif bat les 4 configurations multi-GPU sur le prefill (2 323–3 894 vs 1 012–3 385) et reste à −2,3 % du run 3 sur le decode agent (103,7 vs 106,1) — le lien rapide d'une seule carte coûte moins cher que trois cartes dont deux sur le TB5 partagé.
5090TB5 seule = 78 % du decode de la 5090PCI pour 20 % du prefill (80,8 vs 103,7 · 768 vs 3 894) : c'est le bon choix quand la 5090PCI doit rester libre (ComfyUI/MovieGenerator), le mauvais quand il faut du prefill.
Re-lecture agent de C = 142 jetons/tour (vs 4 sur A, 72 sur B) : carte 24 Go = 5 256 slots experts vs 7 802 — une part des experts de la conversation est garée en RAM et re-lue chaque tour ; le hit reste quasi identique (68,46 vs 68,72 %), les hits étant portés par le cache de conversation (24 Go en RAM).

7. Multi-GPU — suite officielle (médianes)

Test	5090PCI + 3090TB5	3090TB5 + 5090TB5	5090PCI + 3090TB5 + 5090TB5	run D 5090PCI + 5090TB5	Δ run D vs run 3	Δ 3 cartes vs 5090PCI + 3090TB5	Δ 3 cartes vs 3090TB5 + 5090TB5
chat decode (tok/s)	48,6	52,9	82,3	82,5	+0,2 %	+69,3 %	+55,6 %
chat TTFT (s)	10,76 *	0,64	0,43	0,43	≈ 0	—	—
4K prefill (tok/s)	1 012,0	383,7	1 081,0	1 045,9	−3,2 %	+6,8 %	+181,7 %
16K prefill (tok/s)	2 049,4	757,8	2 315,7	2 168,3	−6,4 %	+13,0 %	+205,6 %
32K prefill (tok/s)	2 167,7	780,3	2 868,4	2 451,0	−14,6 %	+32,3 %	+267,6 %
agent TTFT par tour (s)	3,92	10,59	3,92	3,99	+1,8 % (temps)	≈ 0	-63,0 % de temps
agent decode (tok/s)	84,9	66,0	106,1	116,3	+9,6 %	+25,0 %	+60,8 %
agent cache hit (%)	68,57	68,59	68,58	68,60	≈ 0	≈ 0	≈ 0

103,3

5090PCI + 5090TB5 (run D)

100,6

8. Multi-GPU — extension longs contextes (médianes)

Test	5090PCI + 3090TB5	3090TB5 + 5090TB5	5090PCI + 3090TB5 + 5090TB5	run D 5090PCI + 5090TB5	Δ run D vs run 3	Δ 3 cartes vs 5090PCI + 3090TB5	Δ 3 cartes vs 3090TB5 + 5090TB5
prefill 64K (tok/s)	2 223,6	789,2	3 258,1	2 754,9	−15,4 %	+46,5 %	+312,8 %
prefill 96K (tok/s)	2 213,3	789,7	3 384,8	2 826,6	−16,5 %	+52,9 %	+328,6 %
decode ctx 64K (tok/s)	88,2	73,8	98,1	102,6	+4,6 %	+11,2 %	+32,9 %
decode ctx 32K (tok/s)	87,7	75,7	103,3	100,6	−2,6 %	+17,8 %	+36,5 %

9. Lecture — multi-GPU (4 voies)

run 3 (3 cartes) reste la référence prefill ; run D [0,2] est le meilleur decode. Prefill run 3 : +6,8 % (4K) à +52,9 % (96K) vs run 1, +182 à +329 % vs run 2. Decode run 3 : +69,3 % sur le chat court et +25,0 % sur l'agent vs run 1 ; +11,2 % / +17,8 % à contexte 64K / 32K. La masse d'experts routée en VRAM passe de ~96,9 % à ~98,8 % et la carte au lien rapide (5090PCI, 42,5 GB/s) porte le gros du modèle (L3-32 + 7 981 slots) ; la 3090TB5 ne porte que L0-2, la 5090TB5 que la fin (L33-47 + head) — les misses sur le lien TB5 partagé ne touchent qu'une part réduite des couches.
Prefill 3 cartes monte avec le contexte : 1 081 tok/s à 4K → 3 385 à 96K. À petit contexte les coûts fixes du pipeline 3 stages dominent (l'engine désactive pipeline-windows et adapt-async sur 3+ stages) → seulement +6,8 % à 4K ; à grand contexte le parallélisme des 3 cartes prend le relais (+32 % à 32K, +47 à +53 % à 64-96K).
run 2 = le choix « 5090PCI libre » : decode proche de run 1 (+8,8 % au chat) mais prefill plafonné à ~780-790 tok/s dès 32K (lien TB5 5-6 GB/s vs 42,5 GB/s natif), -62 à -64 %.
Contrepartie des 3 cartes : la 5090PCI est occupée (carte d'affichage ; ici aussi la carte priorité ComfyUI/MovieGenerator) et 79,4 Go de VRAM sont pris au total contre ~47,5 avec 2 cartes.
run D [0,2] = le meilleur decode de la série, avec un prefill entre run 1 et run 3. Chat 82,5 ≈ run 3 (82,3) ; agent 116,3 = +9,6 % vs run 3 (meilleur de la série) : 2 stages au lieu de 3, pipeline-windows 2 reste actif, MTP + spéculation tournent avec moins d'overhead de pipeline. Prefill : 2 451 tok/s à 32K (+13,1 % vs run 1, −14,6 % vs run 3), plateau 2 755/2 827 à 64-96K (−15,4 % / −16,5 % vs run 3) — la 2e 5090 sur le TB5 partagé (5,9 GB/s) porte L33-47 + head + 7 448 slots et pèse sur le prefill.
run D libère le GPU 1 (3090TB5) — utile pour les llama-servers de l'user — au prix de −14,6 % de prefill à 32K (−15,4 % / −16,5 % à 64-96K) vs run 3, avec un gain de +9,6 % sur le decode agent.
La 5090PCI seule bat encore toutes les combinaisons multi-GPU sur le prefill (2 323-3 994 vs 1 012-3 385) : une carte seule au lien natif coûte moins cher qu'un split à plusieurs cartes dont une sur le TB5 partagé — vrai aussi à 64-96K (solo A 3 993/3 894 vs run 3 3 258/3 385 vs run D 2 755/2 827 vs run 1 2 224/2 213).

10. Cache de conversations parkées (mesuré en production le 2026-10-16)

Coût d'une conversation parkée (KV int8, lignes conversation cache du log) : ~240 Mo fixes + ~20 Ko/jeton.

Conversation	Jetons	RAM du snapshot
session agent (cette conversation)	194 142	4,04 Go
session agent (autre)	219 203	4,45 Go
bench 64K	64 065	1,65 Go
petite requête	59	0,24 Go

Budget 24 576 MiB ≈ 1,2 M de jetons parkés au total ; les slots sont un plafond de nombre, le budget est la limite dure (éviction gracieuse, la conversation évictée relit son histoire à ~2 950 tok/s). Config actuelle : 16 slots (tiennent si la moyenne des sessions reste sous ~65K jetons).

11. Propreté des mesures

Multi-GPU, les 4 runs (1/2/3/D) : exit 0 sur les deux suites, zéro incident moteur (no progress / thread stacks / WARNING / ERROR) pendant les runs. Run 2 : 1 warning - LOW au chargement (255 MiB libres sur la 5090TB5) — la marge a tenu sur les 44 requêtes sans stall.
Multi-GPU : timings engine (prefill/decode) indépendants de la file ; TTFT chat propre sur les runs 2, 3 et D (0,34-0,76 s) ; contaminé uniquement sur le run 1 (autres sessions de l'user dans la file).
0 jeton réutilisé sur tous les tests froids, toutes séries (tag unique par prompt, reused_tokens = 0 vérifié dans chaque JSON) ; 7 runs, médianes.
run D [0,2] (instance lancée par l'agent le 2026-10-17 02:00 EDT, validée 02:06 EDT) : file vide pendant les deux suites — chat TTFT 0,34-0,59 s, TTFT ≈ prefill partout, reused_tokens = 0 sur chaque request, 0 échec (44 requests, toutes ok). Marge VRAM au chargement 447 MiB (5090PCI) + 743 MiB (5090TB5) — même régime accepté que les solos A (385) et C (444→312) : WARNING WDDM « below 1024 MiB » présent dès la première requête, zéro stall, log engine lu en entier (0 no progress / thread stacks / - LOW / ERROR hors des warnings attendus).
Durées wall multi-GPU : officiel 20 min / 7,6 min / 3,7 min / 2,9 min ; extension 7,0 / 17,8 / 5,5 / 5,7 min (runs 1/2/3/D — run D : 174 s / 345 s).
Solo (runs A/B/C) : file vide sur les 3 runs (chat TTFT 0,48–1,06 s), 0 échec sur les 44 requêtes de chaque run. Marge VRAM mince acceptée (WARNING engine « below 1024 MiB » : A 385 MiB, B 385 MiB, C 444→312 MiB) — zéro stall, logs engine lus en entier (327 / 336 / 338 lignes, 0 no progress / thread stacks / - LOW / ERROR). Run B : le llama-server 11434 (backend LLM de la session agent) a été relancé sur la 5090PCI (GPU 0) pendant le run — sans interaction avec le bench (GPU 2 seul).
Durées wall solo : officiel 114 s / 435 s / 588 s ; extension 257 s / 1 090 s / 1 504 s (A/B/C).

12. Fichiers sources

Rapport markdown : C:\Strata-data\bench-q4-comparatif-20261016\REPORT.md (garde la notation technique [0,1] / [1,2] / [0,1,2] des configs de bench ; correspondance : [0,1] = 5090PCI + 3090TB5, [1,2] = 3090TB5 + 5090TB5, [0,1,2] = les trois)
Run 1 : C:\Strata-data\bench-q4-comparatif-20261016\bench-run1-pci16-3090\2026-10-16-community-rtx-5090-plus-rtx-3090-qwen3-8-flash-next-unsloth-ud-q4-k-xl\ + ...\ext-run1-pci16-3090\extended_results.json
Run 2 : C:\Strata-data\bench-q4-comparatif-20261016\bench-run2-tb5-pair\2026-10-16-community-rtx-3090-plus-rtx-5090-qwen3-8-flash-next-unsloth-ud-q4-k-xl\ + ...\ext-run2-tb5-pair\extended_results.json
Run 3 : C:\Strata-data\bench-q4-comparatif-20261016\bench-run3-3gpu\2026-10-16-community-2x-rtx-5090-plus-rtx-3090-qwen3-8-flash-next-unsloth-ud-q4-k-xl\ + ...\ext-run3-3gpu\extended_results.json
Run D : C:\Strata-data\bench-q4-comparatif-20261016\bench-pair-pci-tb5\2026-10-17-community-2x-rtx-5090-qwen3-8-flash-next-unsloth-ud-q4-k-xl\ + ...\ext-pair-pci-tb5\extended_results.json
Logs de sortie multi-GPU : run1-official.log, run1-extended.log, run2-official.log, run2-extended.log, run3-official.log, run3-extended.log, soloD-official.log, soloD-extended.log (UTF-8) dans C:\Strata-data\bench-q4-comparatif-20261016\
Logs engine (VRAM/RAM de la section 3) : C:\Strata\strata-unsloth-ud-q4_k_xl-pci-3090.log (run 1), C:\Strata\strata-unsloth-ud-q4_k_xl-tb5.log (run 2), C:\Strata\strata-unsloth-ud-q4_k_xl.log (run 3), C:\Strata\strata-unsloth-ud-q4_k_xl-pci-tb5.log (run D)
Run A (5090PCI solo) : C:\Strata-data\bench-q4-comparatif-20261016\bench-solo-pci16\2026-10-16-community-rtx-5090-qwen3-8-flash-next-unsloth-ud-q4-k-xl\ + ...\ext-solo-pci16\extended_results.json
Run B (5090TB5 solo) : C:\Strata-data\bench-q4-comparatif-20261016\bench-solo-tb5\2026-10-17-community-rtx-5090-qwen3-8-flash-next-unsloth-ud-q4-k-xl\ + ...\ext-solo-tb5\extended_results.json
Run C (3090TB5 solo) : C:\Strata-data\bench-q4-comparatif-20261016\bench-solo-3090\2026-10-16-community-rtx-3090-qwen3-8-flash-next-unsloth-ud-q4-k-xl\ + ...\ext-solo-3090\extended_results.json
Logs de sortie solo : soloA-official.log, soloA-extended.log, soloB-official.log, soloB-extended.log, soloC-official.log, soloC-extended.log dans C:\Strata-data\bench-q4-comparatif-20261016\
Logs engine solo : C:\Strata\strata-unsloth-ud-q4_k_xl-pci16-solo.log (A), C:\Strata\strata-unsloth-ud-q4_k_xl-tb5-solo.log (B), C:\Strata\strata-unsloth-ud-q4_k_xl-3090-solo.log (C)
Outils : C:\Strata\tools\strata_bench.py (suite officielle) · C:\Strata-data\bench-q4-comparatif-20261016\extended_bench.py (extension)

Généré le 2026-10-17 à 03:15 EDT · toutes les heures locales sont Est (EDT) · vitesses = médianes de 3 runs, timings engine · VRAM/RAM = logs engine de chaque run · 7/7 combinaisons terminées (runs 1/2/3/D + solos A/B/C) · page autonome (aucune ressource externe).