[Question]: xllm 技术报告性能复现问题：与 vllm_ascend 最新版本实测结果不一致

[w1ida]

❓ Describe the question

在阅读 xllm 技术报告时，注意到其中给出的性能数据相较 vllm_ascend 有明显优势。
但在我们近期的实测中，结果与报告结论存在一定差异，因此想请教是否是测试方法或配置理解存在问题。

---

1. 单卡性能对比测试说明

测试环境：

• 硬件：Ascend 910B3，单卡
• 模型：Qwen3-14B
• 输入长度：1024
• 输出长度：100
• 数据集：random
• 并发：40

xllm 测试结果：

• 镜像：xllm-0.7.2-release-hb-rc2-arm
• 输出吞吐量：约 420 tokens/s

vllm_ascend 测试结果：

• 版本：v13.0
• 输出吞吐量：约 579 tokens/s

在 xllm 测试中，尝试开启关闭以下选项，但对性能提升不明显：

• enable_schedule_overlap
• enable_multi_stream_parallel
• enable_acl_graph

对应的 xllm 启动参数如下：

MODEL_PATH="/model1/Qwen3-14B"
MASTER_NODE_ADDR="127.0.0.1:9748"

/usr/local/bin/xllm \
  --model $MODEL_PATH \
  --devices="npu:0" \
  --port 18000 \
  --master_node_addr=$MASTER_NODE_ADDR \
  --nnodes=1 \
  --node_rank=0 \
  --max_memory_utilization=0.9 \
  --block_size=128 \
  --communication_backend="hccl" \
  --enable_prefix_cache=false \
  --enable_chunked_prefill=false \
  --enable_schedule_overlap=false \
  --enable_multi_stream_parallel=false \
  --enable_shm=true \
  --enable_acl_graph=true

想请教：

• 上述配置是否符合技术报告中单卡 benchmark 的推荐设置？
• 是否还有对 Qwen3-14B 更关键、但我们未开启的参数或运行模式？

---

2. 关于技术报告 Figure 14 多卡结果的理解

在技术报告的 Figure 14 中，xllm 在多卡场景下表现出较好的 scaling 效果。

想确认： Figure 14 中的多卡测试，是否采用了 PD 分离（Prefill / Decode 分离） 的部署方式？

整体来看，我们非常认可 xllm 的架构设计和技术路线，希望能够对齐测试方法，
以便更准确地理解技术报告中的性能结论。感谢解答！