Pi、rpi、Pi-Bolt 重测:rpi 在启动、内存与读取上全面领先

在这组 Pi、rpi、Pi-Bolt 固定版本重测中,rpi 的 RPC 就绪耗时为 6.76 ms ,就绪 RSS 为 15.75 MiB ,完成 100 次文件读取的完整循环耗时为 123.11 ms。三项都低于另外两者。

相比 Pi,rpi 的启动耗时少约 96.6% 、就绪内存少约 85.8% 、读取循环耗时少约 59.3%。相比 Pi-Bolt,三项分别少约 84.8%、84.9% 和 25.6%。这些结果来自同一批测量:各加载一个功能对齐的扩展、开启默认会话持久化,均取七轮中位数。

这是 Agent 自身开销的比较,使用本地模拟模型。真实模型推理、编码任务质量和交互终端渲染不在本轮测试范围内。

同一批次,启动、内存、读取三项领先

三种程序运行在同一台 Ryzen 9 7950X、Ubuntu 24.04 / WSL2 机器上,Agent 固定四个逻辑 CPU。各自加载一个功能相同的轻量 echo 扩展,开启默认会话持久化;每组预热两次、正式测量七次,交错运行。

程序 RPC 就绪 ms 就绪 RSS MiB 100 次 read 完整循环 ms
rpi 优化后快照 6.76 15.75 123.11
Pi-Bolt 44.40 104.00 165.55
Pi / Node 199.31 110.83 302.27

三列各自取中位数。RPC 就绪从创建进程计到收到 get_state 回复;RSS 是静置采样后的进程常驻内存;读取循环计到完整 agent_settled,包含工具执行、上下文处理、会话记录与结算。它们分别回答不同的问题,不能相加成一个"性能分"。

启动更快:约 6.76 ms 完成 RPC 就绪

一个扩展、默认持久化;七轮中位数,细线为实测最小---最大值。越低越好。

rpi 的这项优势体现在新进程启动阶段。需要频繁拉起 Agent 时,6.76 ms 的就绪开销是一个更小的起点。这里测的是 RPC 服务能够回复状态,没有测交互终端首屏,也没有载入长历史会话。

内存更省:就绪时 RSS 为 15.75 MiB

RSS 包含驻留的代码、栈、堆与运行时页面,不等于堆分配量或长期峰值。采样口径相同,展示七轮中位数与范围。

Pi-Bolt 为 104.00 MiB,Pi 为 110.83 MiB。对关注单进程基础内存预算的场景,rpi 的优势很直观。本轮没有测多 Agent 并发容量,也不据此推算一台机器能承载多少个实例。

读取更强:保留持久化,100 次循环仍领先

三者都实际读取同一个 208 字节文件 100 次,由本地模拟模型逐次发起调用,校验每次结果,共 101 次模型请求。时间计到完整结算,未提前截在输出结束。

rpi 用时 123.11 ms,Pi-Bolt 为 165.55 ms,Pi 为 302.27 ms。相比 Pi-Bolt,rpi 少用约四分之一的时间;相比 Pi,少用约六成。


原文链接:https://blog.bigfisharc.cn/blog/pi-rpi-pi-bolt-performance-20261024/

相关推荐
Dawson Zhu2 小时前
【分布式训练⑧】通信优化:NCCL、Ring AllReduce与计算通信重叠
人工智能·语言模型·架构·aigc·agi
泯泷3 小时前
AI Agent 工具设计:给模型装上“手脚”,为什么不能只会调用 API?
人工智能·llm·agent
在所不辞兄3 小时前
【人工智能驱动的电催化研究-07】CSV文件、路径与可追溯记录
人工智能·深度学习·神经网络·机器学习·有限元·电化学·电催化
装不满的克莱因瓶3 小时前
【从零搭建】AI大模型之ReactAgent智能体对接MCP实战
java·人工智能·ai·springai·mcp·springaialibaba
百度Geek说3 小时前
研发Loop的上下文优化与多Agent协作实践
人工智能
七夜zippoe4 小时前
Nexent 模型配置:4 字段与 9 个槽位
数据库·人工智能·模型·nexent
硅农程序猿4 小时前
SOC 物理实现: RTL2GDS 系列(二)—Innovus 初始化
人工智能·嵌入式硬件·硬件架构
梦想很大很大4 小时前
一句“你好”用了 5671 Token:我在 Workrun 中追查 Agent 隐性成本的过程
前端·人工智能·后端
诗句藏于尽头4 小时前
游戏《完美神话》-使用Ai-agent进行修复已停服游戏到本地成功部署以及GM端网页完整教程
人工智能·学习·游戏
依晨照旧4 小时前
从 MQ 积压查出 4000 个线程:不是泄漏,是事件总线的设计代价
人工智能