双 DGX Spark 部署与性能分析：公开证据说明

材料范围
本文依据 2026 年 9 月 3 日至 8 日保存的实验输出与测量脚本整理。发布期间未登录推理节点、变更服务配置或重新运行基准。公开附件移除了源主机路径、连接标识和会话标识；原始资料在作者本地留存。测量结果与分母保持不变。

附件对应关系
- initial-deployment.txt：CUDA 编译运行、MTU 前后通信对照、旧配置 136,068 token 输入请求及 API 鉴权检查。
- hybrid-loading.txt：最终混合精度检查点的加载内存记录。
- memory-pressure.txt：一次失败启动的可用内存离散采样、驱动错误与看门狗记录。
- benchmark-history.txt：配置迁移、执行器、关闭 MTP、检查点切换、异常接受率及修正重跑的汇总。
- final-workloads.txt：最终四个固定提示词的解码速度、接受计数及缓存容量。
- final-concurrency.txt：最终配置的温度对照与并发扫描。
- nccl-latency.txt、memory-bandwidth.txt：通信与单机算子微基准。
- speculator-branch.txt：实际草稿执行回退路径的历史源码与日志摘录。
- bench-workloads.py.txt、bench-vllm.sh.txt：用于解释测量口径的历史脚本副本。文件以文本形式提供，不属于本次执行结果。shell 副本的连接初始化已替换为 VLLM_API_KEY 环境变量与回环地址；测量和汇总逻辑不变。环境、依赖和服务配置需另行核对。

关键测量口径
1. 八路聚合吞吐为八个请求生成的总 token 数除以整组墙钟时间；T=0.7，每请求输出上限 200 token，每配置一次扫描。
2. 四任务测试每类仅一个固定提示词；T=0、关闭 thinking、输出上限 300 token。速度取三次请求中位数，接受率取同任务四次请求窗口的计数器差分。
3. bench-vllm.sh 的接受率来自整组实验末尾累计计数，不能配给某一行单流速度。
4. 折算步时来自不同汇总量相除，四任务约为 77.7、79.8、80.7、79.1 ms，均值约 79.3 ms；不是 profiler 直接测量。
5. 含 NaN 与超过 100% 接受率的异常测试已被排除。修正计数器读取后完成了重跑。
6. 98.3 tok/s 的 MTP=0 并发结果保留为反例；最终工作配置没有被认定为全局最优。
7. 输出质量、最终配置的长上下文和长期稳定性未完成验证。旧配置长输入请求与短时通信测试不替代这些检查。

公开说明与技术背景
NVIDIA DGX Spark：https://docs.nvidia.com/dgx/dgx-spark-porting-guide/overview.html
NVIDIA 容器故障：https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/troubleshooting.html
vLLM 推测解码：https://docs.vllm.ai/en/v0.28.0/features/speculative_decoding/
社区检查点分析：https://github.com/MiaAI-Lab/Qwen3.8-Flash-Next-Dual-DGX-Sparks
这些外部资料用于说明概念和上游背景，不能代替本次历史输出。