← 新闻
硬件

Arc Pro B65社区回归报告:同一份源码,Intel运行时升级后长提示词变慢

单份社区报告固定llama.cpp a956a852与Qwen3-Coder-30B-A3B-Instruct Q4_K_M,发现更换Intel软件栈后32K预填充降低、decode反而上升。尚无独立复现,不能外推其他显卡。

来源: llama.cpp社区单份自报

11月16日,llama.cpp issue #32399给出一份Arc Pro B65的社区自报:固定源码a956a852、模型和参数,仅更换镜像里的Intel运行时组件,32K提示词处理吞吐下降,而生成速度反而提高。它不是新显卡发布,也不是本站实测;截至采集时只有这份报告,评论区没有独立复现。

条件相对明确:单张Arc Pro B65、xe驱动、Qwen3-Coder-30B-A3B-Instruct Q4_K_M,命令为llama-bench -fa 1 -b 4096 -ub 2048 -p 32768 -n 128 -r 3,并设置GGML_SYCL_ENABLE_XMX_ESIMD=0。新栈包含oneDNN 2026.1.0、IGC 2.42.6、NEO 26.40等组件。作者给新栈的pp32768写的是约872–895 tok/s、tg128约100;换回IGC 2.34.4与NEO 26.18等旧组件、仍保留oneDNN 2026.1.0后,表中为1079与92。区间和约数均按原文保留,不取中点伪装成精确实测。

这份报告的价值不在于给显卡排座次,而在于控制变量。作者先怀疑源码修改,随后固定源码再换软件包;只回退oneDNN没有恢复原表现。同时,IGC与NEO的版本依赖导致两者不能随意混配,因此现有证据还不能把责任单独归给其中一个组件。

使用上的判断也要分场景:长文档的prefill与持续生成的decode可以向不同方向变化。“升级后更快”若只看生成速度,会漏掉长提示词的等待成本。作者还明确说,其他GPU、稠密模型和Windows均未验证,不能据此要求所有Intel用户回退。

本站暂不把该表写成正式跑分记录:原文缺少明确操作系统版本,部分数值也是近似区间。保留候选和缺项,等待可核验的环境与原始输出,比凑齐一条貌似完整的数据更重要。

来源:https://github.com/ggml-org/llama.cpp/issues/32399