v1.2.0 实测调度优化与长会话缓存验证

部署指南与实测数据更新。运行引擎仍为 Strata 0.1.44.1；这不是 Strata 引擎的 v1.2.0。

RTX 4080 SUPER 16 GB + i7-12700 + 64 GB DDR4-3200，Qwen3.8-Flash-Next SC117 GSQ-RCO IQ3_XXS，FP16 KV / 256K 上下文保持原样，仅调整任务粒度和复制调度。

生成场景	原设置 token/s	优化后 token/s	提升
短文本	73.35	81.65	11.3%
代码	81.65	88.25	8.1%
8K 输入后生成	76.30	81.35	6.6%

每侧每类 4 次正式测量，A-B-B-A 顺序，12/12 配对更快。首次读取长文本的速度基本不变。

配置和一致性

• args 新增或更新 --pool-tasks 192，工作线程数不变。
• env 合并 STRATA_ADAPT_OVERLAP=1、STRATA_ADAPT_OVERLAP_RESIDENT=1。
• 固定双方相同执行计划后，11/11 样本的文本、首步全词表 float32 数值、完整保存状态一致。该诊断计划没有安装到线上；不声称自动策略下任意请求输出都逐字一致，也不替代完整质量评测。
• 原有 103765 token 会话恢复，完整快照 SHA256 与维护前一致。

缓存和 GPU 解锁

• 相同续问的缓存单次对照：约 3.3 万 token 首字 19.53→1.28 秒；约 10.3 万 token 60.07→2.52 秒。包含缓存恢复，不含模型加载。这是上下文复用收益，不是调度或 GPU 算力的倍数提升。
• GPU 解锁独立实验：FP16/FP32 Tensor 微测试接近 2 倍，FP16/BF16 GEMM 约 +60.7%–92.2%；所测 Qwen 生成为 −4.3% 至 +1.3%，未见稳定收益。已恢复正常未解锁 GPU 启动。

此次发布内容

• 完整方法、配置、对照与局限。
• 249 条合成生成记录与汇总，包含预热与筛选，不是 249 组独立 A/B。
• 3 张 PNG / SVG 数据图、汇总复核与绘图脚本。
• 更新 README 和完整部署说明，明确旧版 46 GB 配置与本次 64 GB 配置的区别，并纠正旧文档中的 KV 基线表述。

附件 strata-benchmark-data-20261026.zip 包含公开记录、方法、图表与复核脚本；SHA256SUMS.txt 可校验附件。未包含主机地址、访问凭据、业务对话、模型权重或解锁安装包。

v1.1.0（2026-10-21）

首个 release。10-14 的初版视为 v1.0。

变化

• docs/full-chain.md 按线上配置更新：64 GB 内存、Strata v0.1.44.1、256K 上下文、专家全部锁页常驻（--resident-experts），会话缓存（--conversation-cache-mib 12288、4 个槽、短于 4096 token 不占槽）、--prompt-cache-tail、MALLOC_MMAP_THRESHOLD_=16777216、显式 sampling；新增两条踩坑（停放被拒、显存不足 512 MiB 警告）。
• README.md 加了 2026-10-21 更新说明，原实测正文不变。
• 新增 tools/：
  • strata_cache_stats.sh：冷读、会话缓存停放 / 恢复、引擎堆内存统计
  • strata_ab.py：多个 Strata 版本 / 开关的速度和输出对比
  • strata_cache_soak.py：会话缓存浸泡测试

实测结论（RTX 4080 SUPER 16 GB + 64 GB DDR4，IQ3_XXS）

• 会话缓存调优后，23 小时线上统计：≥32K 冷读每天 16.4 → 7.3 次，冷读耗时约 −67%，内存保底拒绝停放 96 → 0。
• Strata v0.2.1（sm_89 自编）：默认配置 decode 约 −8%；缓存浸泡测试恢复 8/20（v0.1.44.1 为 10/20），引擎堆内存 6.25 vs 3.17 GiB 且不回落，疑似 Strata #3115。暂时不升级。均为单次测试。