快速结论：Misc. bug: brutally bad SYCL performance on Battlemage。在 Intel Battlemage 显卡（B50/B70）上使用 llama.cpp SYCL 后端运行推理时，token 生成速度仅约 13 t/s（接近 CPU 水平），而 Vulkan 后端可达 40 t/s。优先排查：是否在虚拟机内运行、是否设定了无关优化环境变量（如 GGML_SYCL_DISABLE_OPT=1），并尝试裸机测试。
适用环境：Linux 系统（Ubuntu 24.04/26.04，含 Proxmox 虚拟机）；llama.cpp build f454bd7eb；Intel Battlemage 显卡（BMG G31，B50/B70）；SYCL 后端；系统内存 DDR4、PCIe 3.0（主板 X10DRi + E5-2690v4）或 PCIe 4.0（11400F 平台）；模型：Gemma 4 26B A4B Q4_K_M（约 15.7 GiB，可完全放入 32GB VRAM）。
最快修复方案：暂无确认的一步修复方案。开发者建议依次尝试：① 重置所有 SYCL 相关环境变量为默认值（取消自定义设置）；② 在裸机（非虚拟机）上运行测试；③ 重新编译 SYCL 后端并尝试 GGML_SYCL_F16=ON 开关（需 clean rebuild）。用户已执行上述步骤但未获得性能改善。
注意事项：① 虚拟机环境（Proxmox + PCIe passthrough）会有 5-10% CPU 性能损耗，GPU 性能影响未知，建议优先裸机测试；② GGML_SYCL_DISABLE_OPT=1 会禁用所有优化，可能导致 MoE 模型崩溃时开启，但默认应关闭以获取最佳性能；③ PCIe 带宽和内存带宽只影响模型加载速度，若模型完全载入 VRAM 则对推理速度影响不大。
问题场景
用户在 llama.cpp 中通过 SYCL 后端（Intel oneAPI）运行 llama-bench 或 llama-server 进行推理测试，使用 Battlemage 显卡（B50/B70）。无论是否设置环境变量、是否开启 F16、是否调整 PCIe 版本，推理速度均极低（tg128 约 13 t/s），而 Vulkan 后端在同硬件上可达到 40 t/s。用户还在 11400F（PCIe 4.0）平台上尝试，性能同样没有提升。
报错原文
# SYCL 后端基准测试结果（最低性能）
root@902ca48d0245:/app# ./llama-bench -m /models/gemma-4-26B-A4B-it-GGUF/gemma-4-26B-A4B-it-UD-Q4_K_M.gguf
load_backend: loaded SYCL backend from /app/libggml-sycl.so
load_backend: loaded CPU backend from /app/libggml-cpu-haswell.so
| model | size | params | backend | ngl | test | t/s |
| ------------------------------ | ---------: | ---------: | ---------- | --: | --------------: | -------------------: |
| gemma4 26B.A4B Q4_K - Medium | 15.70 GiB | 25.23 B | SYCL | 99 | pp512 | 351.53 ± 9.93 |
| gemma4 26B.A4B Q4_K - Medium | 15.70 GiB | 25.23 B | SYCL | 99 | tg128 | 13.33 ± 0.33 |
# Vulkan 后端基准测试结果（正常性能）
root@693c84ca6e88:/app# ./llama-bench -m /models/gemma-4-26B-A4B-it-GGUF/gemma-4-26B-A4B-it-UD-Q4_K_M.gguf
ggml_vulkan: Found 1 Vulkan devices:
ggml_vulkan: 0 = Intel(R) Graphics (BMG G31) (Intel open-source Mesa driver) | uma: 0 | fp16: 1 | bf16: 1 | warp size: 32 | shared memory: 49152 | int dot: 1 | matrix cores: none
load_backend: loaded Vulkan backend from /app/libggml-vulkan.so
load_backend: loaded CPU backend from /app/libggml-cpu-haswell.so
| model | size | params | backend | ngl | test | t/s |
| ------------------------------ | ---------: | ---------: | ---------- | --: | --------------: | -------------------: |
| gemma4 26B.A4B Q4_K - Medium | 15.70 GiB | 25.23 B | Vulkan | 99 |
参考来源
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。
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。
这个方案解决了吗？
可以继续搜索完整报错，或查看同一工具的其他排查指南。
