Eval bug: [SYCL] Fence expiration time out – Sudden hang at exact same point in prompt processing

快速结论：该报错发生在使用 Intel SYCL 后端（GPU）处理超长提示词（约 95K tokens）时，GPU 在进度约 60% 处突然停止工作，触发 i915 驱动的 Fence expiration time out。优先排查 Linux 内核 i915 驱动的超时限制，并尝试调整 batch 参数或加载 xe 驱动。

问题场景

用户在 llama.cpp 的 llama-server 中，使用 SYCL 后端（Intel Iris Xe Graphics）加载 Gemma 4 26B 量化模型（Q4_K_XL GGUF），处理约 95K 令牌的提示词。GPU 在约 60% 处（56982 tokens）突然无工作负载，而 CPU 单线程仍保持 100% 占用。Docker 环境为基础（ghcr.io/ggml-org/llama.cpp:full-intel），使用 i915 驱动。

报错原文

Fence expiration time out i915-0000:00:02.0:llama-server[81887]:28592c!
Fence expiration time out i915-0000:00:02.0:llama-server[81887]:285946!
Fence expiration time out i915-0000:00:02.0:llama-server[81887]:285944!

原因分析

可能原因：i915 内核驱动的 GPU 请求超时机制（fence expiration timeout）被触发。当 SYCL 后端提交的 GPU 计算任务执行时间超过默认超时限制时，驱动会中止该任务，导致 llama.cpp 在处理大量 prompt token 时突然挂起。在超长序列处理中，单次 GPU 计算时间可能超出 i915 的默认超时阈值。

环境排查

• 确认 Linux 内核版本及 i915 驱动版本（使用 dmesg | grep i915 查看）
• 确认 GPU 型号（报错中为 Intel Alder Lake-P GT2 [Iris Xe Graphics]）
• 确认 Docker 环境是否正确传递了 GPU 设备（/dev/dri 权限）
• 确认 SYCL 后端版本（llama.cpp 9870，IntelLLVM 2025.3.3）
• 确认可用内存是否充足（用户报告剩余约 13GB RAM）

解决步骤

1. 可优先尝试：减少 batch 大小。将 LLAMA_ARG_BATCH 从默认值改为 512（或更低至 256），将 LLAMA_ARG_UBATCH 改为 128。用户通过此调整成功越过 60% 进度点。
2. 或者：尝试使用 xe 驱动（Intel 现代 GPU 驱动）替代 i915，但注意 xe 驱动下可能出现 VM worker error: -12 错误，不一定完全可靠。
3. 或者：修改内核启动参数，禁 i915 驱动超时限制。在 GRUB 或系统内核参数中添加：
   i915.request_timeout_ms=0 i915.enable_hangcheck=0。用户确认此方法可解决问题。

验证方法

重新运行相同的超长提示词（>60K tokens），检查 journalctl 或 dmesg 中是否不再出现 “Fence expiration time out” 报错，同时确认 GPU 能保持工作负载直至 prompt 处理完成（进度超过 60% 且没有挂起）。

参考来源

ggml-org/llama.cpp #25350

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。