4090 D 本地部署 V4.1 Flash：加内存到 128G 后 46.2 tok/s
project-maya 在 4090 D 48G 上把内存加到 128G，decode 从 25.7 升到 46.2 tok/s；升级引擎后掉到 37.6，关掉 PCIe 专家路径回到 47。
今天给机器加了 64G 内存到128G，用的project-maya，同一个 DeepSeek V4.1 Flash 在 4090 D（魔改48G显存） 上从 25.7 涨到 46.2 tok/s。 64G 的时候，引擎只能预读 50.3G 的专家进内存，加到 125G 后启动日志变成 10718 of 10718 experts copied into RAM (74.1 GB) in 13.6 s。prefill 基本没动，2k 和 8k 都在原来的水平，因为批量 prompt 本来就会复用专家。 把 Maya 从 1.1.27 升到 1.1.30，decode 反而掉到 37.6。 原因是新版给“专家在内存、不在显存”这种情况加了一条 one-GPU 路径，把专家经 PCIe 拉到 GPU 上算。它自己在启动日志里报了耗时：CPU 上算一个专家 0.10 到 0.19 毫秒，走 PCIe 是 0.31 到 0.53 毫秒。慢两到四倍，而每个 token 还是要搬四五个过去。这条路径在核少、内存带宽窄的机器上是有用的，官方数据来自 3090；我这台 20 核、内存带宽实测 66GB/s的主机，完全倒过来。 MAYA_DS4_STREAM=0 关掉，回到 47.0。 两边各跑了三遍：默认 38.5、39.6、34.8，关掉后 47.5、47.5、46.1。不是抖动，是稳定差 18%。 另外，maya这引擎只有一个槽，第四个请求等 18.7 秒才出第一个 token，聚合 52.7 也就是单流水平。想要真并发得换 paged batching 的引擎，加内存解决不了。