【免费下载链接】PS5LMllama.cpp on a jailbroken PS5: run any GGUF model natively on the console, starting with Qwen 3.8项目地址https://gitcode.com/gh_mirrors/ps/PS5LM点击查看免费下载PS5LM是一个开源项目把 llama.cpp 完整搬进破解的 PS5 主机让任意 GGUF 大模型直接在主机 GPU 上原生运行并作为局域网里的 OpenAI 兼容模型服务器对外提供服务。其中最亮眼的成绩是Qwen 3.8 27B 在 PS5 上以约 20 tokens/s 的速度解码——而这一切的关键就在于 GPU 加速这条技术链路。本文带你完整拆解ggml-vulkan、RADV 驱动与 11.4 GB 统一显存是如何协同工作的。为什么必须走 GPUCPU 路径有多慢 先理解 GPU 加速的价值就得看看不走 GPU 时有多难受运行方式内存上限27B 模型速度payload非原生进程约 6 GiBUD-IQ1_S 从 SSD 逐页读入约 1 token/分钟原生标题title GPU12 GiB direct memory约 20 tokens/sPS5 的 16 GB GDDR6 内存由 CPU 和 GPU 共享峰值带宽 448 GB/s而解码速度基本等于「内存带宽 ÷ 每 token 读取的字节数」——一个 2 到 3 位量化的 27B 稠密模型每个 token 要读 7~9 GiB 权重只有 GPU 全量驻留内存才能吃满带宽。此外非原生进程payload存在两个硬伤内存预算只有约 6 GiB更大模型装不下且系统会把后台 payload 的内存换出到磁盘空闲后再调用速度骤降到 0.3 tokens/s。所以 PS5LM 选择了原生标题应用路线直接获得 12 GiB direct memory再用 Vulkan 把 GPU 用起来。详见 docs/CONSOLE.md 与 docs/RESEARCH.md。GPU 加速的三件套 1️⃣ RADV为 PS5 GPU 写出的 Vulkan 驱动PS5 的 GPU 是 RDNA 2 架构代号 NAVI21但索尼没有开放任何图形/计算 API官方只能通过私有 AGC 接口编程。PS5LM 的解法是基于 PS5_Vulkan 项目的RADV 驱动——即 Mesa 26.2 的 AMD 驱动在其上实现了 PS5 专用 winsys直接对接主机的 AGC 函数对上层报告完整的Vulkan 1.4设备名为PlayStation 5 GPU (RADV NAVI21)着色器在主机上用 AMD 的 ACO 编译器即时编译创建管线时提供 ggml-vulkan 所需的全部能力16-bit storage、timeline semaphores、subgroup 操作、fp16、4 GiBmaxStorageBufferRange缺失 cooperative matrix 和加速整数点积因此矩阵乘走fp16 着色器仓库里还带了三个 Mesa 驱动补丁来自 PS5CEMU-HAR比如让已销毁 buffer 的显存等 GPU 用完再释放、独立提交线程等见 patches/mesa/README.md。2️⃣ ggml-vulkanllama.cpp 自带的 Vulkan 后端这是加速的核心。llama.cpp 的 ggml 库内置了 Vulkan 计算后端PS5LM 做了两件关键的移植工作见 docs/BUILDING.md无 Vulkan loaderPS5 上没有系统级 Vulkan 加载器应用直接把vkGetInstanceProcAddr转发到 RADV 的 ICD 入口点ggml 按名调用的三条命令则指向 Mesa 的vk_common_*实现保留 llama.cpp 自己的 kernel不像一些手写 GPU 方案每支持一个新模型就要重写 kernel——这里任意 llama.cpp 认识的模型架构和量化格式都直接可用这正是 27B 能跑起来的前提3️⃣ 11.44 GiB 统一显存堆27B 装得下的关键原生标题拿到 12 GiB direct memory但默认只有 8 GiB 对 GPU 可用。打开radv_enable_unified_heap_on_apu后RADV 会在整个 direct memory 上建立单一 11.44 GiB 统一设备堆Qwen3.8 27B (UD-Q2_K_XL, 9.2 GB 权重) 64k context 的 KV cache 运行时缓冲 ≈ 11.1 / 11.4 GB → 全部驻留 GPU ✅统一内存的好处是 CPU 和 GPU 无需来回拷贝权重且 Qwen 3.8 采用混合注意力Gated DeltaNet 门控注意力只有 1/4 的层需要 KV cache长上下文因此格外便宜。量化选择与内存预算的完整推导见 docs/ROADMAP.md能装下哪些模型见 docs/MODELS.md。实机成绩27B 在电视上跑出 20.7 tokens/s 主菜单直接实时展示当前模型的生成速度——Qwen 3.8 27BUD-Q2_K_XL9.2 GB64k 上下文稳定在 20 tokens/s实测数据记录于 docs/CONSOLE.md项目数值UD-IQ2_XXS6.77 GiB加载82 s短 prompt 解码21 tokens/s长 prompt371 token 提问解码9 tokens/sprompt 处理预填充35~50 tokens/s对比CPU 路径 0.8B 模型14.2 tokens/s仅 2 线程Models 页面还标注了每档模型在 PS5 上的预期速度0.8B 模型 207 tokens/s9B 模型 55 tokens/s27B 约 20 tokens/s——小模型快得惊人大模型也能流畅对话 提示切换模型时应用会通过sceSystemServiceLoadExec自重启以彻底释放 GPU 内存池原地卸载会残留约 5 GiB新进程从完整的 11.01 GiB 空闲池启动。Console 页GPU 负载一目了然PS5LM 内置的 Console 页面持续绘制温度、功耗、GPU 与 CPU 负载曲线能直观看到 GPU 加速时 87% 的 GPU 占用和仅 12% 的 CPU 占用——生成工作确实全在 GPU 上这些数据来自应用通过 elfldr 启动的 ps5-exporter payload标题进程本身读不到传感器。延伸阅读关键文件索引 资料内容docs/BUILDING.mdGPU 链路构建细节ggml-vulkan 链接、RADV 统一堆、无 loader 方案docs/CONSOLE.md主机实测内存预算、11.44 GiB 设备堆、27B 速度docs/RESEARCH.md平台研究RADV 驱动能力清单、直内存分配配方docs/ROADMAP.md量化选型、内存预算与 Phase 3 GPU 路线docs/MODELS.md能装进 16 GB 的模型清单与带宽速度公式patches/mesa/README.mdRADV 驱动的 3 个稳定性/调优补丁ps5/app/应用源码仪表盘、模型规划器、llama-server 集成third_party/llama.cpp固定的上游 llama.cppb11327写在最后PS5LM 的 GPU 加速并非魔法而是一条工程链路用 RADV 给 RDNA 2 主机 GPU 装上标准 Vulkan 1.4 接口用 ggml-vulkan 让 llama.cpp 的计算内核直接跑在上面再用统一内存堆把 9 GB 权重和 64k 上下文一次性塞进 11.44 GiB 显存。最终一台客厅电视背后的游戏主机变成了全家网络都能调用的私有大模型服务器Qwen 27B 约 20 tokens/s 的输出速度足以支撑流畅的实时对话。如果你对移植细节感兴趣docs/PORTING.md 还记录了把整个工具链带到 PS5 上的全部踩坑过程。赞分享【免费下载链接】PS5LMllama.cpp on a jailbroken PS5: run any GGUF model natively on the console, starting with Qwen 3.8项目地址https://gitcode.com/gh_mirrors/ps/PS5LM点击查看免费下载相关推荐LightX2V性能大揭秘相比传统框架20倍加速的秘密LightX2V性能大揭秘相比传统框架20倍加速的秘密 LightX2V作为一款革命性的轻量级视频生成推理框架在AI视频生成领域实现了突破性的性能优化。这个人工智能深度学习媒体生成推理引擎模型推理服务模型量化模型优化计算机视觉本地部署视频低内存加载器揭秘Qwen-Image-2.1-mflux-q4如何用5 GiB内存跑在Apple Silicon上低内存加载器揭秘Qwen Image 2.1 mflux q4如何用5 GiB内存跑在Apple Silicon上 Qwen Image 2.1 mfluxApple Silicon 实测教程Qwen3.8-27B-MTP-8bit 在 MLX 上开启 MTP 加速后 tokens/s 提升多少Apple Silicon 实测教程Qwen3.8 27B MTP 8bit 在 MLX 上开启 MTP 加速后 tokens/s 提升多少 Qwen3.8上一篇Natron 中 GMIC Pop Shadows 节点完全指南流行艺术风格点状投影效果实战下一篇transactional-email-templates响应式事务邮件 HTML 模板的结构、内联与实战指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 PS5LM GPU加速揭秘：ggml-vulkan加RADV驱动，11.4GB统一显存让Qwen 27B跑出20 tokens/s
【免费下载链接】PS5LMllama.cpp on a jailbroken PS5: run any GGUF model natively on the console, starting with Qwen 3.8项目地址https://gitcode.com/gh_mirrors/ps/PS5LM点击查看免费下载PS5LM是一个开源项目把 llama.cpp 完整搬进破解的 PS5 主机让任意 GGUF 大模型直接在主机 GPU 上原生运行并作为局域网里的 OpenAI 兼容模型服务器对外提供服务。其中最亮眼的成绩是Qwen 3.8 27B 在 PS5 上以约 20 tokens/s 的速度解码——而这一切的关键就在于 GPU 加速这条技术链路。本文带你完整拆解ggml-vulkan、RADV 驱动与 11.4 GB 统一显存是如何协同工作的。为什么必须走 GPUCPU 路径有多慢 先理解 GPU 加速的价值就得看看不走 GPU 时有多难受运行方式内存上限27B 模型速度payload非原生进程约 6 GiBUD-IQ1_S 从 SSD 逐页读入约 1 token/分钟原生标题title GPU12 GiB direct memory约 20 tokens/sPS5 的 16 GB GDDR6 内存由 CPU 和 GPU 共享峰值带宽 448 GB/s而解码速度基本等于「内存带宽 ÷ 每 token 读取的字节数」——一个 2 到 3 位量化的 27B 稠密模型每个 token 要读 7~9 GiB 权重只有 GPU 全量驻留内存才能吃满带宽。此外非原生进程payload存在两个硬伤内存预算只有约 6 GiB更大模型装不下且系统会把后台 payload 的内存换出到磁盘空闲后再调用速度骤降到 0.3 tokens/s。所以 PS5LM 选择了原生标题应用路线直接获得 12 GiB direct memory再用 Vulkan 把 GPU 用起来。详见 docs/CONSOLE.md 与 docs/RESEARCH.md。GPU 加速的三件套 1️⃣ RADV为 PS5 GPU 写出的 Vulkan 驱动PS5 的 GPU 是 RDNA 2 架构代号 NAVI21但索尼没有开放任何图形/计算 API官方只能通过私有 AGC 接口编程。PS5LM 的解法是基于 PS5_Vulkan 项目的RADV 驱动——即 Mesa 26.2 的 AMD 驱动在其上实现了 PS5 专用 winsys直接对接主机的 AGC 函数对上层报告完整的Vulkan 1.4设备名为PlayStation 5 GPU (RADV NAVI21)着色器在主机上用 AMD 的 ACO 编译器即时编译创建管线时提供 ggml-vulkan 所需的全部能力16-bit storage、timeline semaphores、subgroup 操作、fp16、4 GiBmaxStorageBufferRange缺失 cooperative matrix 和加速整数点积因此矩阵乘走fp16 着色器仓库里还带了三个 Mesa 驱动补丁来自 PS5CEMU-HAR比如让已销毁 buffer 的显存等 GPU 用完再释放、独立提交线程等见 patches/mesa/README.md。2️⃣ ggml-vulkanllama.cpp 自带的 Vulkan 后端这是加速的核心。llama.cpp 的 ggml 库内置了 Vulkan 计算后端PS5LM 做了两件关键的移植工作见 docs/BUILDING.md无 Vulkan loaderPS5 上没有系统级 Vulkan 加载器应用直接把vkGetInstanceProcAddr转发到 RADV 的 ICD 入口点ggml 按名调用的三条命令则指向 Mesa 的vk_common_*实现保留 llama.cpp 自己的 kernel不像一些手写 GPU 方案每支持一个新模型就要重写 kernel——这里任意 llama.cpp 认识的模型架构和量化格式都直接可用这正是 27B 能跑起来的前提3️⃣ 11.44 GiB 统一显存堆27B 装得下的关键原生标题拿到 12 GiB direct memory但默认只有 8 GiB 对 GPU 可用。打开radv_enable_unified_heap_on_apu后RADV 会在整个 direct memory 上建立单一 11.44 GiB 统一设备堆Qwen3.8 27B (UD-Q2_K_XL, 9.2 GB 权重) 64k context 的 KV cache 运行时缓冲 ≈ 11.1 / 11.4 GB → 全部驻留 GPU ✅统一内存的好处是 CPU 和 GPU 无需来回拷贝权重且 Qwen 3.8 采用混合注意力Gated DeltaNet 门控注意力只有 1/4 的层需要 KV cache长上下文因此格外便宜。量化选择与内存预算的完整推导见 docs/ROADMAP.md能装下哪些模型见 docs/MODELS.md。实机成绩27B 在电视上跑出 20.7 tokens/s 主菜单直接实时展示当前模型的生成速度——Qwen 3.8 27BUD-Q2_K_XL9.2 GB64k 上下文稳定在 20 tokens/s实测数据记录于 docs/CONSOLE.md项目数值UD-IQ2_XXS6.77 GiB加载82 s短 prompt 解码21 tokens/s长 prompt371 token 提问解码9 tokens/sprompt 处理预填充35~50 tokens/s对比CPU 路径 0.8B 模型14.2 tokens/s仅 2 线程Models 页面还标注了每档模型在 PS5 上的预期速度0.8B 模型 207 tokens/s9B 模型 55 tokens/s27B 约 20 tokens/s——小模型快得惊人大模型也能流畅对话 提示切换模型时应用会通过sceSystemServiceLoadExec自重启以彻底释放 GPU 内存池原地卸载会残留约 5 GiB新进程从完整的 11.01 GiB 空闲池启动。Console 页GPU 负载一目了然PS5LM 内置的 Console 页面持续绘制温度、功耗、GPU 与 CPU 负载曲线能直观看到 GPU 加速时 87% 的 GPU 占用和仅 12% 的 CPU 占用——生成工作确实全在 GPU 上这些数据来自应用通过 elfldr 启动的 ps5-exporter payload标题进程本身读不到传感器。延伸阅读关键文件索引 资料内容docs/BUILDING.mdGPU 链路构建细节ggml-vulkan 链接、RADV 统一堆、无 loader 方案docs/CONSOLE.md主机实测内存预算、11.44 GiB 设备堆、27B 速度docs/RESEARCH.md平台研究RADV 驱动能力清单、直内存分配配方docs/ROADMAP.md量化选型、内存预算与 Phase 3 GPU 路线docs/MODELS.md能装进 16 GB 的模型清单与带宽速度公式patches/mesa/README.mdRADV 驱动的 3 个稳定性/调优补丁ps5/app/应用源码仪表盘、模型规划器、llama-server 集成third_party/llama.cpp固定的上游 llama.cppb11327写在最后PS5LM 的 GPU 加速并非魔法而是一条工程链路用 RADV 给 RDNA 2 主机 GPU 装上标准 Vulkan 1.4 接口用 ggml-vulkan 让 llama.cpp 的计算内核直接跑在上面再用统一内存堆把 9 GB 权重和 64k 上下文一次性塞进 11.44 GiB 显存。最终一台客厅电视背后的游戏主机变成了全家网络都能调用的私有大模型服务器Qwen 27B 约 20 tokens/s 的输出速度足以支撑流畅的实时对话。如果你对移植细节感兴趣docs/PORTING.md 还记录了把整个工具链带到 PS5 上的全部踩坑过程。赞分享【免费下载链接】PS5LMllama.cpp on a jailbroken PS5: run any GGUF model natively on the console, starting with Qwen 3.8项目地址https://gitcode.com/gh_mirrors/ps/PS5LM点击查看免费下载相关推荐LightX2V性能大揭秘相比传统框架20倍加速的秘密LightX2V性能大揭秘相比传统框架20倍加速的秘密 LightX2V作为一款革命性的轻量级视频生成推理框架在AI视频生成领域实现了突破性的性能优化。这个人工智能深度学习媒体生成推理引擎模型推理服务模型量化模型优化计算机视觉本地部署视频低内存加载器揭秘Qwen-Image-2.1-mflux-q4如何用5 GiB内存跑在Apple Silicon上低内存加载器揭秘Qwen Image 2.1 mflux q4如何用5 GiB内存跑在Apple Silicon上 Qwen Image 2.1 mfluxApple Silicon 实测教程Qwen3.8-27B-MTP-8bit 在 MLX 上开启 MTP 加速后 tokens/s 提升多少Apple Silicon 实测教程Qwen3.8 27B MTP 8bit 在 MLX 上开启 MTP 加速后 tokens/s 提升多少 Qwen3.8上一篇Natron 中 GMIC Pop Shadows 节点完全指南流行艺术风格点状投影效果实战下一篇transactional-email-templates响应式事务邮件 HTML 模板的结构、内联与实战指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考