Rapport de performance — Strata UD-Q4_K_XL — toutes les combinaisons GPU

9 runs · 7/7 combinaisons des 3 cartes · la paire 5090PCI + 5090TB5 testée 3 fois (runs D/E/F) · Qwen3.8-Flash-Next Unsloth UD-Q4_K_XL · machine Ultra9 (192.168.1.112) · 2026-10-16 → 17 · rouge = meilleur score de toutes les combinaisons pour ce modèle

Comment lire ce rapport : chaque métrique est une médiane de 3 runs, timings engine. En rouge, la meilleure valeur de la ligne toutes combinaisons confondues (tok/s : la plus élevée ; TTFT : la plus basse).

Verdict : le prefill appartient à la 5090PCI seule — elle bat toutes les combinaisons multi-GPU de 4K à 96K (2 323 → 3 993 tok/s) : une carte au lien natif 42,5 GB/s coûte moins cher qu'un split dont une carte est sur le Thunderbolt 5 partagé (5-6 GB/s).
Le decode appartient à la paire DEF 5090PCI + 5090TB5 : chat 87,9 (run E), agent 154,2 et contexte 64K/32K 128,1 / 130,5 (run F) — soit +45,3 % d'agent et +30,6 % de decode à 64K vs les 3 cartes (run 3).
run 3 (3 cartes) reste la référence multi-GPU de prefill à grand contexte (3 258 / 3 385 tok/s à 64-96K) mais perd tous les decode face à la paire 2×5090.

La paire [0,2] a été mesurée 3 fois (run D 02:20 EDT, run E 14:1x EDT, run F 17:0x EDT — même config, même split) : decode agent 116,3 → 134,8 → 154,2 tok/s en progressant dans la journée — variance intra-journée, la machine montant en température ; le decode 64K/32K gagne +24 à +27 % de D à E/F. Les trois runs sont propres (0 échec, 0 jeton réutilisé, 0 incident moteur).

1. Meilleurs scores — toutes les combinaisons (médianes)

Test	A	B	C	run 1	run 2	run 3	run D	run E	run F	Meilleur
chat decode (tok/s)	64,3	59,6	36,6	48,6	52,9	82,3	82,5	87,9	87,5	run E
chat TTFT (s)	0,63	0,67	1,06	10,76	0,64	0,43	0,43	0,50	0,35	run F
4K prefill (tok/s)	2 323,0	383,5	289,3	1 012,0	383,7	1 081,0	1 045,9	1 033,1	1 084,6	A
16K prefill (tok/s)	3 741,7	753,8	564,9	2 049,4	757,8	2 315,7	2 168,3	2 133,3	2 200,1	A
32K prefill (tok/s)	3 891,4	764,6	565,7	2 167,7	780,3	2 868,4	2 451,0	2 689,0	2 687,5	A
agent decode (tok/s)	103,7	80,8	52,0	84,9	66,0	106,1	116,3	134,8	154,2	run F
agent TTFT par tour (s)	2,07	10,39	13,90	3,92	10,59	3,92	3,99	3,77	3,73	A
prefill 64K (tok/s)	3 993,4	769,5	563,3	2 223,6	789,2	3 258,1	2 754,9	2 738,2	2 760,7	A
prefill 96K (tok/s)	3 894,3	768,4	564,8	2 213,3	789,7	3 384,8	2 826,6	3 001,2	3 041,8	A
decode ctx 64K (tok/s)	96,0	78,4	47,0	88,2	73,8	98,1	102,6	126,8	128,1	run F
decode ctx 32K (tok/s)	113,4	78,9	47,0	87,7	75,7	103,3	100,6	128,2	130,5	run F

9 runs : A/B/C = cartes seules · run 1 = 5090PCI + 3090TB5 · run 2 = 3090TB5 + 5090TB5 · run 3 = les 3 cartes · runs D/E/F = 5090PCI + 5090TB5 (3 mesures indépendantes). Rouge = meilleur score de la ligne toutes combinaisons confondues ; pour les TTFT le meilleur score est le plus bas. Prefill 64K/96K et decode contexte = suite d'extension ; le reste = suite officielle --long.

2. 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/E/F et A (solo) — multi-GPU : porte le gros du modèle (L0-32 sur D/E/F, L3-47 sur 1, L3-32 sur 3 + le plus gros cache d'experts) · 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 D/E/F (les llama-servers de l'user y restent) · 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/E/F et B (solo) — multi-GPU : run 2 porte presque tout (L3-47), runs 3 et D/E/F 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.

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

	run 1 5090PCI + 3090TB5	run 2 3090TB5 + 5090TB5	run 3 les 3 cartes	run D 5090PCI + 5090TB5	run E 5090PCI + 5090TB5	run F 5090PCI + 5090TB5
cartes (indices nvidia-smi du `"gpu"` de config)	0 + 1	1 + 2	0 + 1 + 2	0 + 2	0 + 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 — identique sur D, E et F (même config `strata-unsloth-ud-q4_k_xl-pci-tb5.json`)
masse d'experts routée en VRAM	~96,9 %	~96,9 %	~98,8 %	~98,5 %	~98,5 %	~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 — le bat `5090_5090_q4.bat` était alors en fins de ligne LF (double-clic silencieux) ; commande exacte du bat lancée à la main, arrêtée après le bench	lancée par l'agent 13:34 EDT via le bat réparé en CRLF (1re preuve du correctif) ; arrêtée après le bench	lancée par l'user par double-clic sur le bat réparé (~16:45 EDT, 3e preuve du correctif) ; laissée en ligne après le bench

Tout le reste identique sur les 9 runs : 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 (STRATA_PREFILL_HELP=1 + STRATA_SPLIT_MTP_BATCH=1). Slots de conv-cache : 3 sur les multi-GPU, 16 sur la série solo (consigne user 2026-10-16). Le bat C:\Strata(90_5090_q4.bat a été réparé LF→CRLF le 17-10 13:3x EDT (cause racine des double-clics silencieux) ; les 3 bats frères solo ont été réparés de la même façon à 17:0x EDT.

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 *
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).

4. 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 les 3 cartes	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 DEF 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 (30 976 MiB relevés sur F)	0,44 Go *
run DEF 5090PCI + 5090TB5	5090TB5	L33-47 + head + cache 7 448 slots (21,78 Go) + buffers prompt 3,73 Go	32 Go	≈ 31,1 Go (30 680 MiB relevés sur F)	0,73 Go *

* WARNING WDDM « below 1024 MiB » présent dès la première requête sur les runs concernés (2 : 0,25 Go ; D/E/F : 447 MiB + 743 MiB ; solos : 385/385/444→312 MiB) — la marge a tenu sur les 44 requêtes de chaque run, zéro stall sur les 9 runs. La 5090PCI garde 1 187 MiB réservés à la carte d'affichage (--vram-reserve-later-mib 1187). Runs E et F : même config et même split que D, même régime VRAM (vérifié nvidia-smi avant le bench F : GPU0 30 976 MiB · GPU2 30 680 MiB · GPU1 23 850 MiB = llama-server de l'user intact).

RAM système dédiée — identique dans les neuf 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 ≈ 8,0 Go	24,0 Go max	`--conversation-cache-mib 24576` ; log « bytes=8 583 667 960 »
Total dédié	≈ 35 Go fermes + 24 Go de budget	≈ 59 Go au pire sur 223 Go de RAM

5. 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 jetons re-lus)	68,46 (142 jetons re-lus)
durée wall officielle (s)	114,1	434,5	588,3

Rouge = meilleur score toutes combinaisons confondues (les 9 runs), pas seulement de la série solo.

6. 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

7. 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.
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 6 configurations multi-GPU sur le prefill (2 323–3 994 vs 383–3 385) et reste à −2,3 % du run 3 sur le decode agent (103,7 vs 106,1) — mais la paire D/E/F la dépasse désormais en decode (jusqu'à 154,2).
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).

8. Multi-GPU — suite officielle (médianes)

Test	run 1 5090PCI + 3090TB5	run 2 3090TB5 + 5090TB5	run 3 les 3 cartes	run D 2×5090	run E 2×5090	run F 2×5090	Δ meilleur [0,2] vs run 3
chat decode (tok/s)	48,6	52,9	82,3	82,5	87,9	87,5	+6,8 %
chat TTFT (s)	10,76	0,64	0,43	0,43	0,50	0,35	—
4K prefill (tok/s)	1 012,0	383,7	1 081,0	1 045,9	1 033,1	1 084,6	+0,3 %
16K prefill (tok/s)	2 049,4	757,8	2 315,7	2 168,3	2 133,3	2 200,1	−5,0 %
32K prefill (tok/s)	2 167,7	780,3	2 868,4	2 451,0	2 689,0	2 687,5	−6,3 %
agent TTFT par tour (s)	3,92	10,59	3,92	3,99	3,77	3,73	—
agent decode (tok/s)	84,9	66,0	106,1	116,3	134,8	154,2	+45,3 %
agent cache hit (%)	68,57	68,59	68,58	68,60	68,58	68,72	≈ 0

128,2

5090PCI + 5090TB5 (F)

130,5

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

Test	run 1 5090PCI + 3090TB5	run 2 3090TB5 + 5090TB5	run 3 les 3 cartes	run D 2×5090	run E 2×5090	run F 2×5090	Δ meilleur [0,2] vs run 3
prefill 64K (tok/s)	2 223,6	789,2	3 258,1	2 754,9	2 738,2	2 760,7	−15,3 %
prefill 96K (tok/s)	2 213,3	789,7	3 384,8	2 826,6	3 001,2	3 041,8	−10,1 %
decode ctx 64K (tok/s)	88,2	73,8	98,1	102,6	126,8	128,1	+30,6 %
decode ctx 32K (tok/s)	87,7	75,7	103,3	100,6	128,2	130,5	+26,3 %

10. Lecture — multi-GPU

La paire 2×5090 (D/E/F) est la référence de decode, les 3 cartes (run 3) restent la référence de prefill multi-GPU. vs run 3, la paire gagne tous les decode : chat 87,9 (+6,8 %), agent 154,2 (+45,3 %), contexte 64K 128,1 (+30,6 %), contexte 32K 130,5 (+26,3 %) — et même le 4K prefill (1 084,6 vs 1 081,0, +0,3 %). Elle perd le prefill à moyen/grand contexte : −5,0 % à 16K, −6,3 % à 32K, −15,3 % / −10,1 % à 64-96K.
Pourquoi le decode de la paire explose : 2 stages au lieu de 3, pipeline-windows 2 reste actif (désactivé par l'engine sur 3 stages), les deux 5090 ont 32 Go chacune — 15 443 experts résidents, quasi-zéro miss — et le MTP + spéculation tournent avec moins d'overhead de pipeline. La 3090TB5 (24 Go, 5 GB/s) reste à quai, ses llama-servers n'étant pas dérangés.
Les 3 mesures de la paire [0,2] (D 02:20, E 14:1x, F 17:0x EDT) montrent une dérive intra-journée sur le decode : agent 116,3 → 134,8 → 154,2 · ctx 64K 102,6 → 126,8 → 128,1 · ctx 32K 100,6 → 128,2 → 130,5 — pendant que le prefill reste stable (2 451-2 689 à 32K, 2 738-2 761 à 64K). Machine plus chaude l'après-midi, experts de l'agent de mieux en mieux garés : les médianes du matin (D) sont le pire cas de la paire.
run 3 (3 cartes) reste le choix quand le prefill à grand contexte domine la charge (documents 64-96K : 3 258/3 385 tok/s, +18 % / +11 % vs la paire) — au prix de 79,4 Go de VRAM totale et de l'engine qui désactive pipeline-windows et adapt-async sur 3 stages.
run 2 (3090TB5 + 5090TB5) = 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), -62 à -64 %.
La 5090PCI seule bat encore toutes les combinaisons multi-GPU sur le prefill (2 323-3 994 vs 383-3 385) : 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 paire 2 738-2 761 / 2 827-3 042).

11. 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).

12. Propreté des mesures (9 runs)

Les 9 runs : exit 0 sur les deux suites, 0 échec (396 requêtes), zéro incident moteur (no progress / thread stacks / ERROR) pendant les runs. 0 jeton réutilisé sur tous les tests froids (tag unique par prompt, reused_tokens = 0 vérifié dans chaque JSON). Médianes de 3 runs partout.
Timings engine (prefill/decode) indépendants de la file ; TTFT chat propre sur 8 runs sur 9 (0,34-1,06 s) ; contaminé uniquement sur le run 1 (autres sessions de l'user dans la file, max 127,9 s d'attente).
run D (instance lancée par l'agent 02:00 EDT, validée 02:06) : file vide, 447 + 743 MiB de marge VRAM, WARNING WDDM attendu, zéro stall, log engine lu en entier.
run E (instance lancée par l'agent 13:34 EDT via le bat réparé en CRLF) : file vide, 0 échec (officiel 165,6 s · extension 323,2 s, 12/12), log engine 814 lignes sans erreur réelle (2 WARNING VRAM 447 MiB = régime attendu). NB : le fichier runE-official.log correspond à la 1re passe du bench, mal étiquetée « 1×5090 » (appel sans --config) et supprimée ; les médianes officielles de ce rapport viennent du results.json de la 2e passe (14:14 EDT, invocation avec --config).
run F (instance lancée par l'user ~16:45 EDT, laissée en ligne après le bench) : file vide, 0 échec (officiel 161,9 s · extension 317,2 s, 12/12), log engine 1 138 lignes 0 incident (balayage regex complet), expert cache hit 97-99 %, KV streaming 90-99 %.
Durées wall : officiel 114 s (A) · 435 s (B) · 588 s (C) · ~20 min (run 1, file d'autres sessions) · 7,6 min (run 2) · 3,7 min (run 3) · 174 s (D) · 166 s (E) · 162 s (F) ; extension 257 s · 1 090 s · 1 504 s · 7,0 min · 17,8 min · 5,5 min · 345 s (D) · 323 s (E) · 317 s (F).
Solo A/B/C : marge VRAM mince acceptée (WARNING « below 1024 MiB » : 385 / 385 / 444→312 MiB), zéro stall, logs engine lus en entier (327 / 336 / 338 lignes). Run B : llama-server 11434 relancé sur la 5090PCI pendant le run — sans interaction avec le bench (GPU 2 seul).

13. Fichiers sources

Rapport markdown (jusqu'au run D) : C:\Strata-data\bench-q4-comparatif-20261016\REPORT.md · données agrégées des 9 runs : C:\Strata-data\bench-q4-comparatif-20261016\report-data-20261017.json
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-3090-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
Run E : C:\Strata-data\bench-q4-comparatif-20261016\bench-pair-pci-tb5-2\2026-10-17-community-2x-rtx-5090-qwen3-8-flash-next-unsloth-ud-q4-k-xl\ + ...\ext-pair-pci-tb5-2\extended_results.json
Run F : C:\Strata-data\bench-q4-comparatif-20261016\bench-pair-pci-tb5-3\2026-10-17-community-2x-rtx-5090-qwen3-8-flash-next-unsloth-ud-q4-k-xl\ + ...\ext-pair-pci-tb5-3\extended_results.json · logs console runF-official.log / runF-extended.log
Runs solo A/B/C : ...\bench-solo-pci16\, ...\bench-solo-tb5\, ...\bench-solo-3090\ + ...\ext-solo-pci16\, ...\ext-solo-tb5\, ...\ext-solo-3090\extended_results.json
Logs de sortie console : run1/2/3-official.log, run1/2/3-extended.log, soloA/B/C-official.log, soloA/B/C-extended.log, runE-official.log (1re passe, voir §12), runF-official.log, runF-extended.log dans C:\Strata-data\bench-q4-comparatif-20261016\
Logs engine : C:\Strata\strata-unsloth-ud-q4_k_xl-pci-3090.log (run 1), ...-tb5.log (run 2), strata-unsloth-ud-q4_k_xl.log (run 3), ...-pci-tb5.log (D/E/F), ...-pci16-solo.log (A), ...-tb5-solo.log (B), ...-3090-solo.log (C)
Outils : C:\Strata\tools\strata_bench.py (suite officielle --long) · C:\Strata-data\bench-q4-comparatif-20261016\extended_bench.py (extension 64K/96K)

Généré le 2026-10-17 à 17:31 EDT · toutes les heures locales sont Est (EDT) · vitesses = médianes de 3 runs, timings engine · VRAM/RAM = logs engine de chaque run · 9 runs · 7/7 combinaisons des 3 cartes (la paire [0,2] mesurée 3 fois : D/E/F) · rouge = meilleur score toutes combinaisons confondues pour ce modèle · page autonome (aucune ressource externe).