denouement : FP8 porte TRT-LLM a 161,8 a 2 sessions

TRT-LLM a 99 pourcent de sa limite memoire ; INT4 bloque par modelopt vs weight mapper

bilan trois moteurs sur Ada : ONNX 196, vLLM 412 a 4 sessions, TRT-LLM 52,9 en dense

ONNX 196 tok/s avec graphes CUDA ; export Qwen3.5 possible ; corrections

corrections : ONNX sans avantage (135,7 vs 134,1), EP TensorRT inaccessible depuis GenAI, A12B degenere

banc 4 modeles sur Ada : Kimi-Linear devant, variantes A4B/A9B/A12B, speculation contre-intuitive

verdict TRT-LLM : noyau MoE 4 bits reserve a sm90

MXFP4 debloque TRT-LLM ; planchers MoE reels ; ONNX GenAI 163 tok/s sur Ada

reports: verdict TRT-LLM ferme (INT4+FP8, L40S+Ada), index a jour

reports: ONNX repare et valide (126,9 tok/s L40S) ; le 3e defaut etait l'expert partage hors somme

reports: TRT-LLM et ONNX mesures sur GPU (causes racines, graphe ONNX repare)

reports: L4 graphes CUDA x6, multi-modeles, TRT-LLM impasse

reports: rapport integration Claude Code 23/08 + synthese + README

reports: pont muet

reports: suite nuit du 22

reports: resultat MTP v64

reports/: recherches du 22/08 (leviers vLLM, materiel, quants MTP/piles, synthese)