Performance Explorer

各レポートの結果表を、測定条件（モデル / GPU / 枚数 / split mode）とあわせて並べています。条件が違う測定を 1 列に並べた順位付けは、誤解を招くので行いません。比較する場合は条件が一致していることを確認してください。

Tesla T4 4 枚で Ternary Bonsai 2 27B（三値 2bit）を 256k コンテキストまで計測

2026-10-21 ・ MG8853 ・ Tesla T4 × 4 ・不明・ HPE ProLiant DL380 Gen10

depth	prefill	decode
0	303.75	10.66
32k	312.74	9.95
64k	233.2	9.16
128k	157	7.97
196k	114.9	7.02
258k	90.9	6.33

Tesla T4 4 枚で Tess-4.5-27B Q8_0 を MTP 付きで 256k まで計測

2026-10-20 ・ MG8853 ・ Tesla T4 × 4 ・ Tess-4.5-27B-Q8_0.gguf（28,595,763,424 バイト、arch qwen35、64 ブロック、262,144 ctx、Gated DeltaNet ・ HPE ProLiant DL380 Gen10

depth	prefill	decode	MTP 採択率
0	622.82	46.11	0.969
32k	598.94	42.13	0.997
64k	475.78	38.71	0.996
128k	358.54	32.39	1
196k	265.02	27.28	0.996
258k	209.31	23.66	0.991

Tesla T4 4 枚で Qwen3.8 27B Uncensored の 256k/512k と 1M の可否を検証

2026-10-18 ・ MG8853 ・ Tesla T4 × 4 ・ Qwen3.8-27B-Uncensored-Q5_K_M.gguf ・ HPE ProLiant DL380 Gen10

depth	prefill	decode	MTP 採択率
0	611.8	46.8	0.832
32k	596.3	43.7	0.97
265k	276.2	25.2	0.985
510k	137.3	16.7	0.97

Tesla T4 4 枚で Ornith 1.5 35B A3B の MTP ヘッド交換と 512k/1M コンテキストを検証

2026-10-18 ・ MG8853 ・ Tesla T4 × 4 ・ ornith-ai/Ornith-1.5-35B-A3B-GGUF の Ornith-1.5-35B-Q4_K_M.gguf ・ HPE ProLiant DL380 Gen10

depth	prefill	decode	採択率
514k	296.2	24.5	0.797

Tesla T4 4 枚で Qwen3.8-Flash-Next の AD-3.84bpw-IQ4_XS-M64 を 32k コンテキストで計測

2026-10-17 ・ MG8853 ・ Tesla T4 × 4 ・ AtomicChat/Qwen3.8-Flash-Next-GGUF の AD-3.84bpw-IQ4_XS-M64 。177B、qwen4exp、48 ブロック、エキスパート 512 / 使用 10、GGUF 上のコンテキスト長 262,144。モデルカードによると 51B パラメータ分は n-gram ルックアップテーブル・ HPE ProLiant DL380 Gen10

depth	prefill	decode
0	182.5	13.44
16k	169.4	11.42
32k	150.7	10.03

Tesla T4 4 枚で Nemotron 3.5 Super VL 120B-A12B の UD-IQ2_XXS と UD-IQ2_M を 64k コンテキストまで計測

2026-10-17 ・ MG8853 ・ Tesla T4 × 4 ・ unsloth/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-GGUF の UD-IQ2_XXS と UD-IQ2_M 。総 120B / アクティブ 12B の MoE ・ HPE ProLiant DL380 Gen10

depth	IQ2_XXS prefill	IQ2_XXS decode	IQ2_M prefill	IQ2_M decode
0	274.4	12.05	238.4	12.28
16k	416.2	11.35	280.1	11.53
32k	431	10.57	282.4	10.73
64k	440	9.33	279.5	9.46

Apple M1 Max 64GB で Qwen3.8 27B UD-Q4_K_M の MTP 投機的デコードを 64k まで比較

2026-10-11 ・ Kenya Nara (@penta2himajin) ・ Apple M1 Max × 1 ・ Qwen3.8-27B-UD-Q4_K_M.gguf ・ Apple MacBook Pro 18,4(型番 MacBookPro18,4、2021 年モデル)

depth	実際の深さ	prefill(MTP なし)	decode(MTP なし)	prefill(MTP)	decode(MTP)	decode 実運用推定	MTP 採択率
0	11	94.36	7.45	85.75	7.99	5.07	0.965
16000	-	83.49	6.53	86.15	7.49	4.75	0.997
32000	-	74.02	5	74.8	6.48	4.11	0.997
48000	-	61.82	4.23	64.98	5.84	3.7	0.997
64000	-	58.55	3.56	56.21	4.84	3.07	0.997

Tesla V100-PCIE-32GB 1 枚で Qwen3.8 27B UD-Q4_K_M を 262k コンテキストまで計測

2026-10-08 ・ sh1ma ・ Tesla V100-PCIE-32GB × 1 ・ Qwen3.8-27B-UD-Q4_K_M.gguf ・ Supermicro SYS-1019GP-TT(マザーボード X11SPG-TF)

depth	実際の深さ	prefill	decode	decode 実運用推定	MTP 採択率
0	11	720.26	57.25	52.99	0.781
32000	-	612.46	52.93	48.99	0.997
64000	-	410.87	43.57	40.32	0.997
128000	-	275.43	32.13	29.74	1
196000	-	189.68	24.78	22.93	0.994
258000	-	144.66	20.49	18.97	0.998

V100 2枚で Qwen3.8 27B の Layer・Tensor分割と MTP・DFlash2 を比較

2026-10-07 ・ pakutoma ・ Tesla V100-SXM2-16GB × 2 ・ unsloth Qwen3.8-27B UD-Q4_K_M ・ ASRock B550M Pro RS

depth	prefill L MTP n=2	prefill T MTP n=2	prefill L DFlash2 n=3	prefill T DFlash2 n=3	decode L MTP n=2	decode T MTP n=2	decode L DFlash2 n=3	decode T DFlash2 n=3
0	771.8	965.2	736.4	894.6	63.3	87.8	62.3	80.5
32k	659.2	849.6	633.6	801.2	58.2	85	68.6	93.2
64k	561.2	729.5	545.1	692.1	47.7	72.8	58.2	82.9
128k	430.2	565.8	424.1	542.4	34.8	57	44.9	67.8
196k	343.8	455.4	343.6	440.6	26.6	42.4	36	57.1
258k	289.2	384.6	291.2	372.8	22	38.5	30.5	49.4

TB250-BTC PRO で新旧混成 GPU の分割ベンチ (Vulkan + Kepler 復活 CUDA)

2026-10-04 ・ eightman999 ・ R × 6400 ・ Qwen3-1.7B Q4_K_M ・ BIOSTAR TB250-BTC PRO（マイニングボード）

depth	pp rx6400	pp wx2100	pp layer	pp tensor	pp cpu	dec rx6400	dec wx2100	dec layer	dec tensor	dec cpu
~0	1098.2	162.8	514.5	140.2	4.5	78.4	25.6	30.7	12.6	3.77
1978	1091.2	163.8	509.3	140.5	4.4	72.3	22.1	27.8	12.6	2.71
4155	781.6	116.4	369.3	123.8	2.8	65.6	19.2	25.1	12.1	2
7912	568	86.7	288.8	103	1.9	58.7	15.7	21.9	11.5	1.39

Tesla V100-PCIE-32GB と PG500-216 で Qwen3.8 Flash Next を 192k / 256k で計測

2026-10-03 ・ warabii ・ Tesla V100-PCIE-32GB + Tesla PG500-216 ・ Qwen3.8 Flash Next IQ3E-Q8D-MTP ・ MSI MPG X570 GAMING EDGE WIFI

depth	192k prefill	192k decode	256k prefill	256k decode
0	921.5	120.4	924.5	120.7
32k	1148.5	120.9	1151.4	114.9
64k	1109.7	122.5	1109.6	121.8
128k	1111.5	120.2	1111	120.6
190k	1069.9	118.7	1069.9	117.8
250k	-	-	1039.7	116.7

Tesla T4 4 枚で Nemotron 3 Nano Omni 33B を 128k コンテキストまで計測

2026-09-30 ・ MG8853 ・ Tesla T4 × 4 ・ NVIDIA-Nemotron-3-Nano-Omni-30B-A3B-Reasoning-UD-Q4_K_M.gguf ・ HPE ProLiant DL380 Gen10

depth	prefill	decode
0	1302.6	40.01
32k	2432.2	30.74
64k	2037	23.87
128k	1538.8	16.51

Tesla T4 4 枚で Nemotron 3.5 Lightning 30B A3B を 262k コンテキストまで計測

2026-09-30 ・ MG8853 ・ Tesla T4 × 4 ・ NVIDIA-Nemotron-3.5-Lightning-30B-A3B-UD-Q4_K_M.gguf ・ HPE ProLiant DL380 Gen10

depth	prefill	decode
0	781.1	55.78
32k	723.5	61.38
64k	636	56.9
128k	486.2	49.16
196k	335	42.67
258k	249.5	38.54

Tesla T4 4 枚で Ornith 1.5 35B A3B の split-mode を比較

2026-09-30 ・ MG8853 ・ Tesla T4 × 4 ・ Ornith-1.5-35B-A3B-Q4_K_M.gguf ・ HPE ProLiant DL380 Gen10

depth	prefill layer	prefill tensor	decode layer	decode tensor
0	1039.2	1171.4	36.33	77.34
32k	1175	1092.2	34.79	67.15
64k	920.1	820.8	29.46	57.26
128k	687.4	586.3	22.68	44.83
196k	506.1	409.4	18.62	37.08
258k	386.6	314.1	16.2	32.24

Tesla T4 4 枚で Gemma 4 26B A4B QAT の split-mode を比較

2026-09-30 ・ MG8853 ・ Tesla T4 × 4 ・ gemma-4-26B-A4B-it-qat-UD-Q4_K_XL.gguf 25 層、エキスパート 128）・ HPE ProLiant DL380 Gen10

depth	prefill layer	prefill tensor	decode layer	decode tensor
0	1304.7	1378.5	52.31	103.76
32k	1532.1	1411.3	37.91	83.5
64k	1055.6	960.7	27.04	69.65
128k	720.3	649.7	17.38	53.18
196k	486.3	450.9	12.52	42.62
258k	372.4	345.6	9.96	35.55

Tesla T4 4 枚で Gemma 4 31B QAT の split-mode を比較

2026-09-30 ・ MG8853 ・ Tesla T4 × 4 ・ gemma-4-31B-it-qat-UD-Q4_K_XL.gguf ・ HPE ProLiant DL380 Gen10

depth	prefill layer	prefill tensor	decode layer	decode tensor
0	338.3	526.9	12.08	52.9
32k	366.7	550.9	11.42	41.81
64k	271.4	405.5	9.1	36.77
128k	194.4	294.9	6.34	29.35
196k	140.6	213.4	4.89	23.9
258k	109.6	167.7	4.03	20.41

RTX 5090 1 枚で Qwen3.8-Flash-Next NVFP4 を FreeToken で約 260k 入力まで計測

2026-09-28 ・ centra ・ NVIDIA GeForce RTX 5090 × 1 ・ Qwen3.8-Flash-Next-Uncensored-NVFP4 ・ ASRock Z890 Pro RS WiFi

depth	prefill (t/s)	decode (t/s)
0	1548.9	113.8
32k	3109.3	53.3
64k	3133.9	50.2
128k	3073.6	50.8
196k	3026.2	52.7
258k	3066.6	50.5

Radeon AI PRO R9700でQwen3.8 27BのIQ4_XSとMXFP4を比較

2026-09-28 ・ jyohukuchan ・ Radeon AI PRO R9700 × 1 ・ Qwen3.8 27B UD-IQ4_XS / Quark AWQ MXFP4 ・ ASRock WRX80 Creator

depth	prefill llama.cpp	prefill GGZ14	decode llama.cpp	decode GGZ14
0	972.09	3121.09	55.88	47.82
7887	963.49	3362.74	56.3	216.72
16050	762.84	3167.65	53.81	213.81
32460	573.96	2894.89	47.89	192.48

RTX 3090 4 枚で Qwen3.8 27B の split-mode を比較（Windows・コア1395 MHz固定設定）

2026-09-27 ・錦幸佳・ NVIDIA GeForce RT × 3090 ・ Qwen3.8-27B UD-Q4_K_XL ・ ASUS ROG CROSSHAIR VIII DARK HERO

depth	prefill layer	prefill tensor	decode layer	decode tensor
0（実測 11）	1012.95	228.6	51.34	29.52
32,000（実測 32,093）	1000.17	231.41	44.16	29.23
64,000（実測 64,806）	733.35	219.46	39.62	28.35
128,000（実測 128,788）	525.44	204.97	28.76	26.6
196,000（実測 196,429）	377.99	186.91	24.95	25.7
258,000（実測 259,601）	294.97	172.04	21.47	23.97

GTX 1660 SUPER 6GBで Qwen2.5-Coder 7B のGPU/CPUオフロードを計測

2026-09-27 ・ antarashi ・ NVIDIA GeForce GT × 1660 ・ Qwen2.5-Coder-7B-Instruct、7.62B、GGUF v3、Q4_K_M、4,683,074,048 bytes ・ ASRock B450 Pro4（Windows CIMで再取得）

depth	prefill profile	decode profile
0	105.19	16.82
2,000	99.53	15.03
4,000	88.72	13.98
6,000	82.88	13.41

RTX 5090 1 枚で Qwen3.8 27B UD-Q5_K_XL を 262k コンテキストまで計測

2026-09-27 ・ unco3 ・ NVIDIA GeForce RT × 5090 ・ Qwen3.8-27B-UD-Q5_K_XL.gguf ・ ASRock Z790 Steel Legend WiFi（自作 PC）

depth	prefill (t/s)	decode (t/s)
0	3269.6	69.7
32k	3014.8	61.8
64k	2135.9	57.1
128k	1402.4	46.6
196k	472.5	40.7
258k	745.1	34.7

EPYC 7452 × 2 と RTX 5070 Ti × 2 で Qwen3.8-Flash-Next Uncensored（自前 NVFP4）を sglang＋KTransformers で動かす

2026-09-26 ・ amane.yukishima ・ GeForce RT × 5070 ・ orcarouter/Qwen3.8-Flash-Next-Uncensored を元に、ルーティングされるエキスパートだけ ModelOpt で NVFP4 に量子化。エキスパートは NVFP4 、それ以外は BF16。174 GB 。48 層（線形アテンション 36 ・ HUANANZHI H12D-16D（デュアル SP3）

depth	prefill (t/s)	decode (t/s)
0	-	45.8
32k	-	45.9
64k	-	46.1
128k	-	45.6

EVO-X2 128GBでQwen3.8-Flash-NextをHalogenで実行

2026-09-26 ・ A-Uta ・ AMD Radeon 8060S Graphics × 1 ・ Qwen3.8-Flash-Next W4B HGN ・ GMKtec NucBox EVO-X2

depth	prefill	decode（合成テキスト実測）	decode（実運用推定）
0	852.7	73.6	42.1
32k	-	74	42.3
64k	-	75.7	43.3
128k	-	74.7	42.7
196k	-	73.8	42.2
258k	-	72.3	41.4

RTX 5070 12GB 1枚で Qwen3.8 27B GSQ IQ2_S を計測（8K短縮プロファイル）

2026-09-26 ・ fumimatsu ・ NVIDIA GeForce RT × 5070 ・ Qwen3.8-27B-GSQ-RCO-IQ2_S ・ GIGABYTE X870M AORUS ELITE WIFI7 ICE

depth	prefill profile	decode profile
0	845.38	39.43
4000	858.61	38.42

EPYC 7452 × 2 と RTX 5070 Ti × 2 で Qwen3.5-35B-A3B を BF16 のまま CPU/GPU 分担で動かす

2026-09-26 ・ amane.yukishima ・ GeForce RT × 5070 ・ Qwen/Qwen3.5-35B-A3B 。BF16。67 GB。40 層、ルーティングされるエキスパート 256 個中 8 個がアクティブ・ HUANANZHI H12D-16D（デュアル SP3）

depth	prefill (t/s)	decode (t/s)
0	-	55.9
32k	-	58.5
64k	-	59.7
128k	-	57.2

EPYC 7452 × 2 と RTX 5070 Ti × 2 で GLM-5.3-Flash Uncensored を動かし、GPU での prefill と GPU 常駐エキスパートを比較

2026-09-26 ・ amane.yukishima ・ GeForce RT × 5070 ・ GLM-5.3-Flash の Uncensored 版。本体は orcarouter/GLM-5.3-Flash-Uncensored-FP8、CPU 側のエキスパートは orcarouter/GLM-5.3-Flash-Uncensored-NVFP4。本体 FP8 で 306 GB 。CPU 側のエキスパートは NVFP4 版から読み込み。45 層、ルーティングされるエキスパート 288 個中 8 個がアクティブ・ HUANANZHI H12D-16D（デュアル SP3）

depth	prefill (t/s)	decode (t/s)
0	167	17.3
30k	164	17
64k	161	17
121k	155	17

EPYC 7452 × 2 と RTX 5070 Ti × 2 で DeepSeek V4.1-Flash（476 GB）をコンテキスト長 1M で動かす

2026-09-26 ・ amane.yukishima ・ GeForce RT × 5070 ・ deepseek-ai/DeepSeek-V4.1-Flash 。本体は FP8 、エキスパートは FP4。engram テーブル込みで 476 GB。40 層、ルーティングされるエキスパート 384 個中 6 個がアクティブ・ HUANANZHI H12D-16D（デュアル SP3）

depth	prefill (t/s)	decode (t/s)
0	242	23.5
29k	249	23.2
64k	185	23.3
128k	211	22.9

EPYC 7452 × 2 と RTX 5070 Ti × 2 で DeepSeek V4-Flash-Vision-Exp（abliterated、MXFP4）を sglang＋KTransformers で動かす

2026-09-26 ・ amane.yukishima ・ GeForce RT × 5070 ・ DeepSeek V4-Flash-Vision-Exp の abliterated 版。huihui-ai/Huihui-DeepSeek-V4-Flash-Vision-Exp-abliterated-GGUF を sglang で読める形式に自前で変換。エキスパートは GGUF の MXFP4 をそのまま使用、エキスパート以外の重みは FP8。147 GB。43 層、ルーティングされるエキスパート 256 個中 6 個がアクティブ・ HUANANZHI H12D-16D（デュアル SP3）

depth	prefill (t/s)	decode (t/s)
0	575	32.8
29k	561	32.4
64k	569	31.8
128k	560	31.6

Tesla T4 4 枚で Qwen3.8 27B の split-mode と量子化を比較

2026-09-26 ・ MG8853 ・ Tesla T4 × 4 ・ Qwen3.8-27B の UD-Q4_K_XL / UD-Q6_K / Q8_0 ・ HPE ProLiant DL380 Gen10

depth	prefill layer	prefill tensor	decode layer	decode tensor
0	354	601.8	14.54	52.2
32k	394.1	566.1	13.14	46.71
64k	307	444.7	11.78	42.6
128k	230.4	337.1	10.08	36.04
196k	172.4	250.1	8.77	30.49
258k	135.7	198.1	8.32	26.44

Tesla P40 4 枚で Qwen3.8 27B の split-mode を比較（単一 GPU ベースライン付き）

2026-09-25 ・ 0kqnet ・ Tesla P40 × 4 ・ Qwen3.8-27B-UD-Q4_K_XL ・ Supermicro X10DRG-Q

depth	prefill layer	prefill tensor	decode layer	decode tensor
0	286.8	295.9	26.4	44.5
32k	296.3	277.1	18.5	41
64k	199.5	218.6	14.4	35
128k	134.3	166.4	10.3	27.6
196k	93.5	125.2	7.8	22.3
258k	71.3	100.6	6.35	19

NVIDIA GB10（統合メモリ SoC）単体で Qwen3.8 Flash Next（MoE）を 262k コンテキストまで計測

2026-09-25 ・ 0rangaxx ・ NVIDIA GB10 。nvidia-smi の VRAM は [N/A] で、システム RAM と同一プールを共有する。離散 VRAM ではない・ Qwen3.8-Flash-Next-IQ3E-Q8D-MTP.gguf ・ Lenovo Thinkstation PGX（型番 30KLS01900）— NVIDIA GB10 (Grace Blackwell) SoC 搭載。/sys/class/dmi/id/product_name = 30KLS01900、board_name は INVALID

depth	prefill (t/s)	decode (t/s)	MTP 受理率
0	662	54.7	-
32k	551.3	56.8	-
64k	556.7	56.9	-
128k	529.6	56.4	-
196k	492.8	55.5	-
258k	460.9	54.8	-

Tesla V100-SXM2-32GB 2 枚で Qwen3.8 Flash Next（MoE）の layer 分割と単一 GPU を比較

2026-09-24 ・ pentacoxian ・ Tesla V100-SXM2-32GB × 2 ・ Qwen3.8-Flash-Next-IQ3E-Q8D-MTP.gguf ・ Inspur NF5468M5（マザーボード YZMB-01130-107）

depth	prefill layer	prefill single	decode layer	decode single
0	730.9	94.5	64.5	14.5
32k	710.3	88.2	101.7	15.7
64k	701.2	87.2	102.9	7.7
128k	678.3	86.4	101.5	15.6
196k	644.4	85.3	98	15.6
258k	615.4	84.6	97.8	15.6

Tesla V100 2 枚で Qwen3.8 27B の split-mode を比較

2026-09-23 ・ miminashi ・ Tesla V100-SXM2-16GB × 2 ・ Huihui-Qwen3.8-27B-abliterated-UD-Q4_K_XL ・ ASRock X99 Taichi

depth	prefill layer	prefill tensor	decode layer	decode tensor
0	934.8	595.2	34.41	44.84
32k	1006.9	599.2	28.79	36.38
64k	697.5	493.6	24.13	30.35
128k	477.1	384.1	16.66	22
196k	333.6	294	12.06	15.79
258k	257.1	238	9.35	12.83

Tesla V100 2枚で Qwen3.8 27B の split-mode を比較（単一GPU ベースライン付き）

2026-09-22 ・ kuraneko1 ・ Tesla V100-PCIE-32GB + Tesla PG500-216 。VRAM 32 GB × 2 ・ Qwen3.8-27B UD-Q4_K_M ・ ASUS Z170-A

depth	prefill layer	prefill tensor	prefill 単一V100	decode layer	decode tensor	decode 単一V100
32k	939.3	817.3	707	50.9	72.3	51.7
64k	628.2	615.4	468.3	42.4	62.7	43.1
128k	422.7	445.2	309.9	32.1	50.2	32.5
196k	289.3	321.8	212.1	25.3	40.8	25.6
260k	221.1	253	161.6	21.2	35	21.3

RTX 3060 + Tesla V100 で Qwen3.8 27B の tensor split を NCCL あり／なしで比較

2026-09-21 ・ eightman999 ・ NVIDIA GeForce RT × 3060 ・ Qwen3.8-27B Q4_K_M ・ Thirdwave XA7C-R47T / ASRock B760 TW/D4

depth	prefill layer	prefill tensor	prefill single_v100	decode layer	decode tensor	decode single_v100
0	790.3	670.4	746.1	26.9	29.3	32.4
32k	830	630.4	636.4	22.3	25.1	26.8
64k	573.1	492	430.9	18.6	21.6	22.3
128k	394.4	371	290.8	13.7	16.9	16.3

RTX 3060 + Tesla V100 で Qwen3.8 27B の split-mode を比較

2026-09-21 ・ eightman999 ・ NVIDIA GeForce RT × 3060 ・ Qwen3.8-27B Q4_K_M ・ Thirdwave XA7C-R47T / ASRock B760 TW/D4

depth	prefill layer	prefill tensor	prefill single_v100	decode layer	decode tensor	decode single_v100
0	790.2	615.1	745.6	26.8	32.2	32.4
32k	830.1	582.5	636.2	22.2	27.3	26.8
64k	573.5	452.9	430.6	18.6	23.2	22.4
128k	394.6	340.4	290.7	13.7	17.8	16.3

Tesla P100 7 枚で Qwen3.8 27B の split-mode を比較

2026-09-20 ・ miminashi ・ Tesla P100-PCIE-16GB × 7 ・ Qwen3.8-27B-UD-Q4_K_XL ・ Supermicro SYS-4028GR-TRT2（M/B X10DRG-OT+-CPU）

depth	prefill layer	prefill tensor	decode layer	decode tensor
0	216.8	83.7	19.7	27.8
32k	235.7	86.2	17.9	30.4
64k	189.9	81.1	16.2	28.8
128k	144.3	74.3	12.8	29.3
196k	109.2	66.6	10.7	27.2
258k	87.5	59.3	9.1	24.6

Tesla P100 4 枚で Qwen3.8 27B の split-mode を比較

2026-09-20 ・ miminashi ・ Tesla P100-PCIE-16GB × 4 ・ Qwen3.8-27B-UD-Q4_K_XL ・ NEC Express5800/T120h

depth	prefill layer	prefill tensor	decode layer	decode tensor
0	195.5	356.9	20	48.5
32k	201.9	366.7	17.8	42
64k	162.2	254.6	15.8	39.3
128k	122.4	198.5	13	33.5
196k	89.8	145.5	11	26.4
258k	71.8	112.1	9.7	23.9