Arc Pro B70の公開性能測定を読む：XeStrataとSYCL

XeStrata xe0.1.43.1のリリースはArc Pro B70 32GBでQwen3.8-Flash-Next IQ3_XXSをupstream v0.1.43 Intel SYCLビルドと比較しています。以下は約4Kトークン入力・256トークン出力の公開generate測定です。prefillは入力処理、decodeは続くトークン生成の速度です。

この表はtemperature 0のgenerateで、同じIQ3_XXSモデルと約4K入力を使い256トークンを生成した中央値です。リリースでは2つのランタイム⁵を交互に2回測定しており、異なるコンテキスト長や通常のチャット経路の結果は含みません。

入力が短いとprefill差が全体の待ち時間に占める割合は小さく、回答が長いとdecode速度の影響が長く続きます。短い質問では最初のトークンまでの時間を、長いコード依頼では生成速度と全体の完了時間も記録すると、実作業でどのような差があるか分かります。

xe0.1.43ではArc Pro B70上のQwen3.8-Flash-Next 32K prefillがXMX行列エンジンではなく、遅いDP4a経路に切り替わり、リリースノートによると約3分の1遅くなっていました。XeStrata xe0.1.43.1はこの問題を修正し、32K IQ3_XXS prefillを1,590から2,415 tok/sに戻しました。これは以前のXeStrataバージョンとの比較であり、上記の4K upstream比較とは測定条件が異なります。

リリース表にはgenerateのほかにserveと日常利用の測定もあります。32K会話のserveではprefill、次の質問への応答待ち、decodeを個別に記録します。日本語チャットとコーディングエージェントはserve/server.pyを通して最初のトークンまでの時間とdecodeを測定します。たとえば日本語チャットは最初のトークンまで0.58秒、decodeは62.7 tok/sでした。各ランタイムが独自の回答を生成し、temperature 0.7で交互に2回測定したため、単一のgenerate数値と混ぜずに扱います。

公開SYCL比較はリリース表で読み、自分の環境はxestrata --benchで別に記録します。インストール済みIQ3_XXSを約40分測ります。実行中のサーバーを先に終了し、必要なら--bench-verboseで段階別時間・GPU負荷・温度を記録します。

記録はプログラムのデータディレクトリ内のrecords/bench-<time>/に保存されます。summary.mdとtables.mdを読み、record.jsonでハードウェアとエンジン経路を確認してください。既定の測定回数は2回で、より多く繰り返す場合は--bench-rounds 3のように指定できます。混在GPUのレイヤー分割構成ではgenerateとserveではなく日常利用のみ測定するため、比較表の範囲を先に確認してください。