DGX Spark 三模型实测 · 2026-09-29–30（Europe/Dublin）；离线整理于 2026-09-30

来源：用户提供的实验日志包，只使用 RUN_INDEX 指定的四次正式运行。历史目录排除。
A：40 种完成测量的模型、输入长度与并发组合，120 轮、276 条请求。每种配置重复测量三次，每次同步提交对应数量的请求（1、2 或 4 条）。
B：三个模型各一组，同一输入连续请求三次，共 9 条；不是五对独立实验。
合计：285 条完成请求，129 轮记录。Qwen3.6 中断时另有两份未形成完成记录的流式事件，排除。

固定输出 1024 tokens，temperature=0，ignore_eos=true，enable_thinking=false。
输入长度包括各自 chat template；合成重复材料，不用于质量评估。
服务开启 prefix caching。A 每个请求使用独立的请求级隔离值，276 条 cached tokens 均为 0。
B 组内请求共用新的隔离值：首次命中 0，之后按 API usage 记录实际命中。
无独立客户端预热；服务内部预热和正式推理时 JIT 不因此排除。
测试按输入长度、并发顺序执行，没有随机化。没有全程独占负载证据。

TTFT：请求开始至首个非空正文文本到达，包括排队、输入处理和流传输。
decode TPS：API completion tokens / (流结束 - 首个非空文本)，分子包含首包 tokens。
端到端耗时：请求开始至流结束。
整轮输出吞吐：本轮输出 tokens 总和 / (最后结束 - 最早开始)。不能用单请求 TPS 相加替代。
A 默认展示：先平均轮内请求，再对三轮取算术平均；三轮请求数相等。
每种配置的范围：三次轮级均值的最小值与最大值，不是置信区间。
分组点图按输入长度划分横向区域，横轴为所选指标（对数或线性刻度），每个区域的纵向为单请求 decode 速度，右侧统一使用 0–200 tok/s 刻度。颜色区分模型，圆形、方形、三角形对应并发 1、2、4；同一输入长度、同一模型的并发点依次连接。每个点为三轮均值，悬停查看数值与范围；只纳入完整轮。未完成/未测均为 null，不填零、不画点，状态保留在可下载的原始数据中。
B 每个气泡为单次请求；延迟节省和加速比相对于该模型同组首次请求，共享基线，不作独立配对统计。
外部干扰 unknown 不代表已发现干扰，也不表示已证明无干扰。

数据校验：重算 285 条请求的时间及 TPS；129 轮的请求归属、输出数、时长、吞吐及提交偏差；
核对每次流的首正文时间、输出 token 计数和 length 完成原因，共 64998 个事件；
最终 usage-only 事件未落盘，缓存明细使用逐请求记录中的最终 usage，无法从 SSE 文件独立还原缓存明细。
重算 42 个原汇总格；将三模型绑定到正式请求前最近的实际启动日志并核对共同配置。
公开 CSV/JSON 仅保留必要测量字段，生成文本、隔离值、原始内部运行标识和私有路径均不包含。