|
|
@@ -271,7 +271,7 @@ tensor-parallel size 1`); при повторном (cached) download путь
|
|
|
контроллер `gx10-dgx1`, `/v1/models` → `deepseek-v4.1-flash` (алиас из
|
|
|
`--served-model-name`), `max_model_len 1048576`, `max_concurrency 32`.
|
|
|
Флаги рецепта совпадают с ручным запуском: c32, DSpark5 + adaptive, disk,
|
|
|
-1 GiB row cache, resident scales, `--roce-ring`.
|
|
|
+1 GiB row cache, resident scales. `--roce-ring` больше не используется.
|
|
|
|
|
|
Первый бенч нового пакета (tool-eval-bench **v3.0.0**, seed 42, hardmode,
|
|
|
c1,2, run `2026-10-28_061841_flare-gb10-2026-10-27`) — **89/100 (171/192)**,
|
|
|
@@ -385,10 +385,12 @@ dgx5–8 не показывал (у него всё «просто работа
|
|
|
(download и так не спрашивает). Лаунчер теперь передаёт `accept_key` /
|
|
|
`accept_publisher` исключительно в `run_cmd`.
|
|
|
2. **Форма фабрики — свойство кластера, а не рецепта.** Прод-решётка это звезда
|
|
|
- через SW2-MUC; FLARE падает с «no fabric link from rank 0 to rank 2».
|
|
|
- Лечится `--roce-ring` (эмуляция кольца поверх свитча: 2 rail'а на соседа +
|
|
|
- CPU-relay). Флаг живёт в `[flare.clusters."4nodes-switch"].extra_flags`,
|
|
|
- sparks-лейн его не наследует.
|
|
|
+ через SW2-MUC. Первый симптом был «no fabric link from rank 0 to rank 2», и
|
|
|
+ `--roce-ring` (эмуляция кольца поверх свитча: 2 rail'а на соседа + CPU-relay)
|
|
|
+ был лечением симптома. Настоящая причина — поднятые легаси-порты CX7
|
|
|
+ (192.168.100.x/101.x у dgx1/dgx2, которых нет у пиров → несимметричная
|
|
|
+ матрица линков). После хука `[before_serve."4nodes-switch"]`, гасящего эти
|
|
|
+ порты, FLARE находит звезду сам; `extra_flags` для кластера теперь пуст.
|
|
|
3. **Лишние RoCE-адреса ломают матрицу линков.** У dgx1/dgx2 были подняты
|
|
|
вторые порты CX7 в легаси-подсетях (192.168.100.x/101.x), которых нет у
|
|
|
пиров → «fabric links must be symmetric» → отказ. Гасятся хуком
|
