77 lines
4.0 KiB
Markdown
77 lines
4.0 KiB
Markdown
# Medium: Microbatch 512 gegen 256 — Kurztest
|
|
|
|
> Historischer Teststand. Danach wurde Medium auf MTP2/Microbatch256 und Large
|
|
> auf MTP2 übernommen: [aktueller Abschluss](ATHENA_SESSION_20260920.md).
|
|
|
|
Nachtrag: [256 mit gesenkter Startreserve erfolgreich getestet](MEDIUM_MICROBATCH_RESERVE448_20260920.md). Der folgende Bericht dokumentiert den vorherigen Schutzabbruch.
|
|
|
|
20.09.2026. **256 lädt ohne den bisherigen Pufferfehler, hat aber zu wenig
|
|
Reserve für die festgelegte Testfreigabe. Deshalb keine produktive Umstellung
|
|
und noch kein Geschwindigkeitsvergleich für 256.**
|
|
|
|
Die echten Medium-Startargumente wurden vor dem Versuch aus Docker übernommen.
|
|
Zwischen beiden Testarmen unterschied sich nachweislich nur `--ubatch-size`.
|
|
Modell Pure, Kontext 160.000, zwei Slots mit gemeinsamem KV-Pool, Split 85:15,
|
|
Vision auf 3060, MTP3, Flash Attention, q4_0-K/V, Batch 2048 und sechs Threads
|
|
blieben gleich. Das Testendpoint war isoliert; TTS blieb auf 3060 resident.
|
|
|
|
## Ergebnis
|
|
|
|
| Prüfung | Microbatch 512 | Microbatch 256 |
|
|
|---|---|---|
|
|
| Modell geladen | ja | ja |
|
|
| Meldung: Rückfall ohne Pipeline-Parallelisierung | ja | nicht aufgetreten |
|
|
| 5080 belegt nach Laden | 15.704 MiB | 15.842 MiB |
|
|
| 5080 frei nach Laden | 599 MiB | **461 MiB** |
|
|
| 3060 belegt nach Laden, inklusive TTS | 10.918 MiB | 10.642 MiB |
|
|
| Mindestreserve von 512 MiB erfüllt | ja | **nein** |
|
|
| Inferenzaufgaben durchgeführt | ja | **nein, Schutzabbruch vorher** |
|
|
|
|
Bei 512 reproduziert sich der bekannte abgefangene Rechenpufferfehler mit
|
|
anschließendem Rückfall. Bei 256 fehlt diese Meldung; das Modell lädt erfolgreich.
|
|
Die höhere Belegung der 5080 trotz kleinerer Microbatch ist mit einem anderen
|
|
Rechenpuffer-/Pipeline-Pfad vereinbar. **Die Abwesenheit der Fehlermeldung allein
|
|
beweist jedoch weder aktive Pipeline-Auslastung noch einen Geschwindigkeitsgewinn.**
|
|
|
|
Der Abbruch bei 256 war eine Entscheidung des Testtreibers aufgrund der
|
|
festgelegten Reserve, kein CUDA-OOM und kein Modellabsturz. Die Grenze wurde
|
|
nicht abgesenkt, um doch noch eine Inferenz zu erzwingen. Auch die Reserve ist
|
|
keine Garantie, dass jede Langkontext-/Vision-Anfrage passt.
|
|
|
|
## Kleiner Kontrolllauf mit 512
|
|
|
|
| Aufgabe | Messwert |
|
|
|---|---:|
|
|
| Deutsche Ausgabe, 768 Tokens | 57,2 tok/s |
|
|
| Code-Ausgabe, 768 Tokens | 74,9 tok/s |
|
|
| Prefill, 24.674 Eingabetokens | 1.782,0 tok/s |
|
|
| Ausgabe nach dieser Eingabe, 512 Tokens | 54,8 tok/s |
|
|
| Drei eingebaute Fakten wiedergefunden | 3/3 |
|
|
|
|
Ein Lauf pro Aufgabe; kein umfassender Qualitätstest, kein Vollkontexttest und
|
|
kein Test zweier gleichzeitiger Anfragen. Die Vision-Komponente war geladen,
|
|
Bilder wurden nicht verarbeitet. TTFT wurde nicht separat gestreamt gemessen.
|
|
Die Anfragen verwenden das gespeicherte Text-/Sampling-Protokoll mit deaktiviertem
|
|
Promptcache; die Serverkonfiguration einschließlich RAM-Cache blieb unverändert.
|
|
Die 512er-Kontrolle ist ein kleiner neuer Vergleichspunkt für das konkrete
|
|
Medium-Profil und ersetzt oder verändert die bisherige Qwen-Referenz nicht.
|
|
|
|
## Entscheidung und möglicher nächster Schritt
|
|
|
|
**512 bleibt vorerst bestehen.** Ein alleiniger Wechsel auf 256 ist auf Basis
|
|
dieses Tests nicht freigegeben. Für einen weiteren Versuch müsste zuerst mehr
|
|
Reserve auf der 5080 geschaffen werden, etwa durch eine kleine Verschiebung
|
|
weiterer Qwen-Schichten auf die 3060. Dann müsste 256 tatsächlich gemessen werden;
|
|
auch dieser mögliche Schritt ist keine Zusage für einen Geschwindigkeitsgewinn.
|
|
Kein weiterer Test wurde automatisch gestartet oder eingeplant.
|
|
|
|
Das ursprüngliche Medium mit Microbatch 512 wurde wiederhergestellt. Medium,
|
|
Router, Controller, Gateway und TTS gesund; Router readiness und minimale
|
|
Modellantwort geprüft. Keine Xid-, Kernel-Panic-, OOM-Kill- oder
|
|
GPU-fallen-off-Meldungen im geprüften Kerneljournal seit Testbeginn. Kein
|
|
Host-Neustart und keine Treiber-/Kernel-/Netzwerkänderung.
|
|
|
|
Rohdaten, genaue Argumente, GPU-Samples, Logs und Wiederherstellungsnachweis:
|
|
`experiments/medium-microbatch-20260920/` im Repository und
|
|
`/data/benchmarks/medium-microbatch-20260920/` auf Athena.
|