Skip to content

diskinfer Android 1.0.1

Latest

Choose a tag to compare

@Horn-Studio Horn-Studio released this 10 Nov 16:28

diskinfer Android 1.0.1

更新内容

极限小 arena:把大张量继续拆小

  • arena 小于最大张量时自动进入 tiny 模式:token_embd 输入只读被选中的行(prefill 用 compact 行 gather),输出层(含 tied token_embd.weight)按行分块,其它放不下的大矩阵(ffn/attn)按行分块。
  • arena 下限到 8 MiB;实测 Qwen3.5-0.8B-MoE 用 8–16 MiB、Bonsai2 27B 用 16 MiB 都能跑,输出与 2048 MiB arena 逐 token 一致。
  • TUI「内存池 (MB)」支持 8..2048(128 以下减半步进,0=自动);LLAMA_DISK_TINY_ARENA=0 可关闭自动 tiny。

TUI 新增设置 / 显示

  • 新增「Prefill 批量」:一次 prefill 的 token 数,1..256,默认 4;越大 prefill 越快、峰值内存越高。
  • 设置页底部实时显示「常驻 RAM / 峰值 RAM」预估(KV、递归状态、计算缓冲取自 llama.cpp 对临时 context 的真实尺寸;arena、模型元数据为实测值),运行页同样显示。

读盘与闪存寿命

  • 读盘缓存自动策略:模型 ≤ 可用内存 45% 时用 buffered IO(page cache 吸收重复整模型扫描,热起来后不再读闪存),否则 direct IO;LLAMA_DISK_ODIRECT=0/1 可覆盖。
  • 实测 Qwen 0.5B:direct 0.48 s/token → buffered 热缓存 0.17 s/token(logits 一致)。

修复

  • 行窗口/视图窗口的 pin 计数、O_DIRECT 对齐偏移、窗口提前释放、并发安装竞态、prefill 多 token 的 compact gather 等一整轮正确性 bug;window 模式与基准逐 token 一致。
  • 其余 1.0.1 内容不变:llama.cpp v0.9.0、MoE 快速路径、新 TUI、/v1 API、自适应安装器、多语言、三 ABI。

实测(Android x86_64 模拟器,8GB RAM,本地盘)

模型 arena / 模式 decode RSS logits
Qwen3.5-0.8B-MoE 514 MiB 2048 MiB direct 0.05 s/tok 632 MiB 基准
同上 16 MiB tiny 0.43–0.57 s/tok 146 MiB 一致
同上 8 MiB tiny 0.43–0.51 s/tok 139 MiB 一致
同上 16 MiB tiny + buffered 0.16–0.17 s/tok 132 MiB 一致
Bonsai2 27B 7.26 GiB 2048 MiB direct 7.99 s/tok 2317 MiB 基准
同上 16 MiB tiny 11.28 s/tok 287 MiB 一致

手机真机(arm64/armv7)、27B 的 buffered 收益、真实闪存速度:待测。

使用方法

adb shell getprop ro.product.cpu.abilist
cd 解压目录 && ./install.sh          # root 走 su,非 root 给 Termux 命令
adb push model.gguf /data/local/tmp/llm/models/
diskinfer                            # TUI:模型 → 设置页 → 运行页
diskinfer --api-only -m model.gguf   # 只开 /v1 API(4000)
LLAMA_DISK_STREAM_MB=16 diskinfer    # 极小 arena(自动分块)

TUI 设置页:上下文长度、温度、聊天模板、MoE 快速路径、内存池 (MB) 8..2048、Prefill 批量 1..256、API 服务;底部显示常驻/峰值 RAM 预估。

注意事项

  • tiny arena 只省内存、不省 IO:每个 token 仍会顺序扫一遍模型,速度取决于闪存带宽。
  • tiny 模式下 Prefill 批量增大会明显提高计算缓冲(实测 ub16 +44.5 MiB、ub32 +89 MiB),小内存设备建议 1..8。
  • 模型放不进可用内存时会自动用 direct IO(避免 page cache 挤占);想强制缓存可设 LLAMA_DISK_ODIRECT=0。

更多细节与完整实测表见仓库 README。