# Perfiles, pruebas y resultados históricos

Recuperación de sólo lectura: **23-09-2026**. Las corridas de esta página son del **17-09-2026**. No se repitieron, no se reinició ningún motor y no se activó ninguno de estos perfiles. El perfil observado en GPU0 es sólo una entrada, no toda nuestra historia.

> Corrección de trazabilidad: las notas previas dejaban P3/P4 pendientes porque no mostraban su final. Los archivos originales recuperados ahora sí contienen resúmenes completos. Un resumen histórico no certifica el estado actual del servidor ni la corrección del evaluador.

## Matriz llama.cpp: pesos iguales, caché y DFlash distintos

Modelo de estas suites: Ornith 1.5 9B Q4_K_L. Los sufijos Q4/Q8 de las filas describen **caché K/V**, no nuevos pesos. Cada bloque usa su propia carga; no ordenar cifras de bloques distintos como si fueran un benchmark común. `FAIL` no equivale a velocidad cero ni a un diagnóstico de causa.

| Perfil | Contexto configurado | K / V | DFlash | VRAM MiB | Prefill tok/s | Generación tok/s | Estado |
|---|---:|---|---|---:|---:|---:|---|
| [A-q4q4-dflash](/material/evidence/benchmarks/faall-matrix-20260917T155555Z/summary.tsv) | 262144 | q4_0 / q4_0 | on | 16174 | 32.01 | 88.42 | Medición; calidad no establecida por esta tabla |
| [B-q8q4-dflash](/material/evidence/benchmarks/faall-matrix-20260917T155555Z/summary.tsv) | 262144 | q8_0 / q4_0 | on | 17198 | 32.07 | 97.38 | Medición; calidad no establecida por esta tabla |
| [C-q8q8-dflash](/material/evidence/benchmarks/faall-matrix-20260917T155555Z/summary.tsv) | 262144 | q8_0 / q8_0 | on | 18222 | 31.96 | 109.07 | Medición; calidad no establecida por esta tabla |
| [D-q4q4-base](/material/evidence/benchmarks/faall-matrix-20260917T155555Z/summary.tsv) | 262144 | q4_0 / q4_0 | off | 10262 | 213.62 | 98.59 | Medición; calidad no establecida por esta tabla |
| [E-q8q4-base](/material/evidence/benchmarks/faall-matrix-20260917T155555Z/summary.tsv) | 262144 | q8_0 / q4_0 | off | 11286 | 208.85 | 97.87 | Medición; calidad no establecida por esta tabla |
| [F-q4q4-no-fa](/material/evidence/benchmarks/faall-matrix-20260917T155555Z/summary.tsv) | 262144 | q4_0 / q4_0 | off | FAIL | — | — | Fallo registrado |
| [G-q8q8-base](/material/evidence/benchmarks/faall-phase1b-20260917T161104Z/summary.tsv) | 262144 | q8_0 / q8_0 | off | 12310 | 485.60 | 79.61 | Medición; calidad no establecida por esta tabla |
| [H-q4q4-draftq4](/material/evidence/benchmarks/faall-phase1b-20260917T161104Z/summary.tsv) | 262144 | q4_0 / q4_0 | on | 15352 | 336.40 | 109.92 | Medición; calidad no establecida por esta tabla |
| [I-q8q4-draftq4](/material/evidence/benchmarks/faall-phase1b-20260917T161104Z/summary.tsv) | 262144 | q8_0 / q4_0 | on | 16376 | 335.50 | 108.67 | Medición; calidad no establecida por esta tabla |
| [J-q8q8-draftq4](/material/evidence/benchmarks/faall-phase1b-20260917T161104Z/summary.tsv) | 262144 | q8_0 / q8_0 | on | 17400 | 339.08 | 111.50 | Medición; calidad no establecida por esta tabla |
| [K-512-q4q4-dflash](/material/evidence/benchmarks/phase2-512k-20260917T163135Z/summary.tsv) | 524288 | q4_0 / q4_0 | on | 20300 | 326.70 | 86.17 | Medición; calidad no establecida por esta tabla |
| [L-512-q8q8-dflash](/material/evidence/benchmarks/phase2-512k-20260917T163135Z/summary.tsv) | 524288 | q8_0 / q8_0 | on | FAIL | — | — | Fallo registrado |
| [M-512-q4q4-base](/material/evidence/benchmarks/phase2-512k-20260917T163135Z/summary.tsv) | 524288 | q4_0 / q4_0 | off | 14616 | 475.84 | 96.57 | Medición; calidad no establecida por esta tabla |



No se promueve DFlash por una cifra de tokens/s: hay que medir calidad, aceptación del borrador, prefill, contexto, memoria y carga completa. Las filas 512K describen configuración/medición de esa suite, no una evaluación universal de 512K. Los scripts históricos pueden parar y recrear servicios; descárgalos para revisión, no los ejecutes sobre GPU0.

## P1: reutilización de caché

Cada caso tiene 15 muestras; el resumen usa 12 en régimen estable. Las latencias son las definidas por el script de la suite. [Reporte original](/material/evidence/benchmarks/p1/p1-cache-20260917T221619Z/summary.json)

| Caso | TTFT mediano ms | Reuso mediano % | Tokens procesados medianos |
|---|---:|---:|---:|
| P1-A-cache-on-same | 161.93 | 99.48 | 31.00 |
| P1-B-cache-on-rotate | 3421.65 | 49.22 | 9005.50 |
| P1-C-cache-off-same | 6114.08 | 0.00 | 17933.00 |
| P1-D-cache-off-rotate | 6436.19 | 0.00 | 17933.00 |
| P1-E-cold | 5871.94 | 0.00 | 17933.00 |

La diferencia observada entre prefijo idéntico con caché y sin ella no implica que cualquier conversación tendrá esa latencia; cambiar el prefijo modifica el trabajo reutilizable.

## P1-F: revisitar prefijos

[Reporte original](/material/evidence/benchmarks/p1f/p1f-20260917T223429Z/summary.json)

| Caso | Revisitas | Revisitas calientes | TTFT mediano ms |
|---|---:|---:|---:|
| F12 | 24 | 24 | 452.84 |
| F3 | 6 | 6 | 416.78 |
| F6 | 12 | 12 | 464.06 |

## P2: recuperación de marcadores en contexto largo

[Reporte original](/material/evidence/benchmarks/p2/p2-20260917T225043Z/summary.json) · [Modelo, imagen y parámetros](/material/evidence/benchmarks/p2/p2-20260917T225043Z/manifest.json)

| Variante | Casos aprobados | Prompt mediano reportado por servidor | Tiempo total mediano s |
|---|---:|---:|---:|
| P2-NATIVE-262K | 2/2 | 245165.50 | 164.94 |
| P2-YARN-512K | 2/2 | 500156.50 | 490.91 |

Ambas variantes terminaron con `stop`. Son **dos casos de recuperación por variante**, no prueba suficiente de razonamiento general, estabilidad prolongada o múltiples contextos máximos concurrentes. La variante YaRN es extrapolación configurada; no se cambia el límite oficial del modelo por este resultado.

## P3 y P3B: no confundir evaluadores

P3 inicial y P3B estricto no comparten criterio de aprobación; no se deben mezclar sus porcentajes.

### P3

[Reporte original](/material/evidence/benchmarks/p3/p3-20260917T232306Z/summary.json)

| Presupuesto | Aprobados | Formato correcto | Mediana total s |
|---|---:|---:|---:|
| 256 | 3/3 | 3/3 | 25.58 |
| 1024 | 2/3 | 3/3 | 19.98 |
| 2048 | 1/3 | 2/3 | 33.81 |

### P3B estricto

[Reporte original](/material/evidence/benchmarks/p3b/p3b-20260917T233346Z/summary.json)

| Presupuesto | Aprobados | Formato correcto | Mediana total s |
|---|---:|---:|---:|
| 256 | 0/5 | 0/5 | 14.90 |
| 512 | 0/5 | 2/5 | 18.18 |
| 1024 | 0/5 | 3/5 | 13.28 |
| 2048 | 5/5 | 5/5 | 19.30 |

En P3B, 2048 obtuvo 5/5 y los otros presupuestos 0/5 en aceptación estricta. Es evidencia de ese examen y ese criterio, no un presupuesto óptimo universal. Algunos casos de presupuestos menores sí cerraron correctamente y/o tuvieron formato válido: terminar no equivale a acertar.

## P4: concurrencia, geometría y estrés

Seis solicitudes simultáneas por ronda, tres rondas frías por geometría; presupuesto de razonamiento 2048 y salida máxima 4096. [Reporte original](/material/evidence/benchmarks/p4/p4-20260917T234638Z/summary.json) · [Manifiesto de ejecución](/material/evidence/benchmarks/p4/p4-20260917T234638Z/manifest.json) · [54 resultados por solicitud](/material/evidence/benchmarks/p4/p4-20260917T234638Z/requests.tsv)

| Perfil | Slots | Capacidad configurada por slot | Aprobados | Tok/s agregados medianos | Pico VRAM MiB | Máx. °C |
|---|---:|---:|---:|---:|---:|---:|
| G3-256K | 3 | 262144 | 14/18 | 113.43 | 17066.00 | 80.00 |
| G4-192K | 4 | 196608 | 15/18 | 95.97 | 16858.00 | 76.00 |
| G4-160K | 4 | 163840 | 16/18 | 109.86 | 15068.00 | 76.00 |

**No son tres o cuatro prompts de 256K llenos.** La columna indica capacidad configurada por slot; la carga es el examen concurrente de la suite. Ninguna geometría pasó todos los casos. Las tasas agregadas no son velocidad por usuario. El máximo de 80 °C es un dato histórico, no una declaración de operación segura continua.

Las tres filas se reconciliaron con los 54 registros individuales; eso comprueba el agregado, no vuelve a puntuar las respuestas ni repite la inferencia. Cada geometría conserva sus argumentos en los archivos `G3-256K-last-args.json`, `G4-192K-last-args.json` y `G4-160K-last-args.json` del catálogo.

## Otros motores y estado observado

El [manual de instalación](/operar-ia-lab/#14-que-resultados-conservamos-y-cuales-no-conviene-promocionar) conserva SGLang FP8, INT8/BF16 8K, INT8 E5M2 256K, vLLM NF4 y AWQ+KV4. Sus pruebas tienen cargas distintas. El resumen modular se puede [descargar](/material/evidence/historical/modular/shared/current-summary.json) sin buscar dentro del ZIP.

El proceso de GPU0 descrito en el manual fue observado el 23-09-2026. No convierte los perfiles de 17-09 en configuraciones actualmente activas. No se volvió a medir throughput ni a cambiar procesos en esta actualización.

## Cómo encontrar y repetir una prueba

Usa [Buscar archivos](/archivos/?q=p4) para ver ruta remota, miembro del ZIP y descarga. Fija modelo/hash, imagen/commit, flags, entrada, semilla, evaluador y condiciones de temperatura. Repite primero una carga pequeña en una GPU reservada; no lances las suites históricas contra servicios activos.

Estados separados: **configurado**, **ejecutado**, **aprobado en una carga concreta**, **fallido**, **incompleto**. No convertir un archivo de parámetros, HTTP 200 o memoria reservada en prueba de calidad.
