CCCP Launcher 0.9.12 Full Offline

CCCP Launcher 0.9.12

这是 Windows x64 完整离线版，内置 CPU、CUDA 13、AMD/HIP、Miniconda、便携编译工具链和所需 Python 依赖；不包含模型权重。请下载 Release 中的安装器、分卷清单和全部分卷到同一目录，然后双击 CCCP-Launcher-0.9.12-Offline-Setup.exe。

本版重点

• DSV4、Qwen、GLM、Kimi 统一通过模型清单接入公共码本能力层，不按模型目录名维护私有数学实现，也不减少专家。
• 紧凑 CUDA Decode 冻结为 packed-index + Q8 码本 + DP4A；长批 Prefill 使用公共 E4M3/FP8 分组矩阵乘。
• 删除旧单 token E4M3 MoE Decode、Kimi 私有专家池/TP Hybrid 和旧 dense_vq.py 入口，防止后续误回退。
• Windows JIT 只使用随包 CUDA 13、便携 MSVC/Windows SDK；NVIDIA 预编译算子覆盖 SM75、SM86、SM89、SM90、SM120。

实测范围

公共硬件基线为单张 NVIDIA H20-3e（SM90，139.81 GiB），CUDA_VISIBLE_DEVICES=2，随包 PyTorch 2.13.0+cu130 / CUDA 13.0：

模型	设置	Prefill	Decode
Qwen3.5 27B	15.65 GiB 常驻档，512-token 长批 / 64-token Decode	2908 token/s	53.76 token/s
DSV4	32 GiB 进程上限，4096-token 长批 / 128-token Decode	1772.51 token/s	34.18 token/s
GLM-5.3 Flash S	全驻留，4096-token 长批参考 / 本轮 Decode	1500.41 token/s	10.05 token/s
GLM-5.3 Flash M	120 GiB 上限，本轮短提示	2.2 token/s	9.47 token/s
Kimi K3 470B	120 GiB 上限、82432 专家，本轮短提示	1.4 token/s	3.73 token/s

性能目标继续保留，但不是本次发行的硬门槛。除 Qwen GPU Decode 外，本轮 DSV4、GLM Flash S/M 和 Kimi 仍低于预定性能红线；功能和真实生成通过不等同于全部达速。自动化回归为 500 passed、11 skipped；五档随包 CUDA 算子均重新编译并通过审计。

源码边界

GitHub 仓库开放 engine/CCCP-Engine 推理运行时源码，便于审阅和贡献。启动器工程源码、模型权重和 CCCP 量化框架不在公开发行范围内。