版本 18

统一核实57个模型:限定实现证据、补齐两条曲线并修正缓存几何

46项实现已核实、9项保留显式假设、2项信息不足。修正MiMo V2.5 Flash头数与ContextPilot-E4B驻留窗口,补齐Kimi K3.1 Pro和Qwen-Drive VQA缓存证据;公开逐项范围、固定来源及仍缺证据。

本次更新

  • 统一证据语义:实现已核实只指详情列明的固定配置、后端、源码布局与内容公式,不代表跨硬件/引擎通用默认或GPU实测。含假设明确保留容量预算或间接配置证据;信息不足不生成数值。
  • 本轮复核57条:46条实现已核实、9条含假设、2条信息不足,55条可按限定口径计算。新增逐项复核日期、范围、结论、假设与缺口,以及可下载的机器可读复核记录。
  • 纠正MiMo V2.5 Flash的full/SWA KV头数由误写8/4为4/8。9 full +39 SWA-128,K/V=192/128;BF16基线1Mi从约45.012 GiB改为22.524 GiB。
  • ContextPilot-E4B区分512-token attention窗口与Transformers更新后min(T,511)持久历史;18共享层不重复计入。T≥512时修正40,960 B/序列。
  • Qwen-Drive VQA补齐官方BF16入口、Transformers5.14与FLA0.5.1的状态证据。HF conv历史为4槽而非vLLM的3槽,T>0为32,768T+51,904,512 B;仅计算VQA文本主干。
  • Kimi K3.1 Pro补齐专属index格式和逐层cache接线。仅开放Blackwell SM10x FlashInfer sparse FP8 profile:24层每行576+132 B,69层KDA固定状态449,372,160 B,T>0为16,992T+449,372,160 B。FlashMLA/SM120是另一布局,不混用;TP仍仅理想均分。
  • DeepSeek V4将过宽的“CUDA默认”限定为FlashMLA DSV4 packed / fp8_ds_mla;其五个条目与ERNIE保留满窗口压缩状态容量预算,不声称短序列实际live state。GLM Flash与DeepSeek V4.1明确无推测扩容基线。
  • Muse保留1Mi模型架构上限,但所选AMD BF16配方范围为32K。默认在配方范围停止曲线,显式开启外推后才计算更长范围。Meta三条保留原始checkpoint几何未直接核实、使用公开框架或明确转换配置交叉验证的说明。
  • Qwen Omni Flash/Realtime继续作为历史API占位:高层架构已公开,但完整checkpoint/cache配置仍不足,保持不画曲线。Realtime精确发布日期有来源差异,取消不稳妥的日级标注。
  • 替换失效QSA链接与漂移行号,记录固定模型/实现来源;新增算式边界、状态语义、配方范围、RSS与落地页回归。所有结果排除权重、工作区、物理分页和未建模状态,不是部署总显存。