Qwen3.8-27Bを256Kコンテキストで24GB RTX PRO 4000 SFF (432 GB/s)上で: MTP使用時50トークン/秒
Qwen3.8-27B at 256K on a 24GB RTX PRO 4000 SFF (432 GB/s): 50 tok/s with MTP (piszczek.pl)
要約
この記事は、ローカル環境で大規模言語モデル(LLM)の推論パフォーマンスを最適化する試みについて詳述しています。著者 Michał Piszczek は、Qwen3.8-27Bモデルを24GB VRAMのNVIDIA RTX PRO 4000 SFF GPU上で、256Kトークンという非常に長いコンテキストウィンドウで動作させる実験を行いました。個々の「最良」の部品を組み合わせるのではなく、量子化(quant)、ドラフター(drafter)、CUDAカーネル、メモリレイアウト、ワークロードといった要素間の適合性が、50トークン/秒という高いスループットを達成する鍵であることを発見しました。特に、カスタムビルドされたllama.cppと、モデルの特定の層に合わせたカスタム量子化(NVFP4、Q5_K、Q6_K、Q8_0のハイブリッド)が、品質と速度のバランスを取る上で重要でした。
全文翻訳
Qwen3.8 27B at 256K: 50 TPS on a 24 GB GPU
Qwen3.8のMTPドラフターに、さらに69.2 MiBの精度を追加しました。スループットは毎秒50.44トークンから37.02トークンに低下しました。この結果は、実験全体を要約しています。ローカル推論の最良のセットアップは、個別に「最良」の部品から作られることはめったにないのです。
私は、27Bの密なモデル、その完全な262,144トークンのコンテキスト、マルチモーダル入力、最大限の有用な品質、そしてNVIDIA RTX PRO 4000 Blackwell SFF(24GB VRAM搭載)でのスペキュラティブデコーディングを望んでいました。サーバーは、model loadedと表示された後も、実際のAIエージェントの作業を乗り切る必要がありました。この実験は、以前書いた私のひらめきに従ったものです。慎重な運用は、より大きなモデルへの移行と同じくらい重要かもしれません。
完成したシステムは、現在の10回の実行からなるプロダクションシリーズで平均50.44トークン/秒を達成しました。厳密なランタイムA/Bテストでは、カスタムllama.cppビルドはクリーンなマスターブランチの45.42トークン/秒に対して55.40トークン/秒を達成し、21.97%の向上が見られました。ターゲットのみのグリッドデコーディングと比較して、組み込みMTPは毎秒21.19トークンから59.46トークン(スループットの2.81倍)を処理します。実際に使用された256Kキャッシュの終端でも、メモリ不足エラーなしで毎秒12.61トークンを生成します。
これらの数値は異なるゲートから得られたものであり、別々に保つべきです。これらを一つの英雄的なスピードアップにまとめることは、より良い見出しと、より悪いベンチマークになるでしょう。
勝利したセットアップは、量子化、ドラフター、CUDAカーネル、メモリレイアウト、そしてワークロードの適合性から生まれました。どのコンポーネントも単独では勝利しませんでした。
目標は意図的に非現実的だった
Qwen3.8 27Bは64層の密なモデルです。その繰り返しパターンには、3つのGated DeltaNet層と1つのフルアテンション層が含まれており、48のリカレント層と16の従来のレイヤーアテンション層があります。ネイティブで262,144トークンのコンテキストを持ち、1層のMTPヘッドと、独立した27層のビジョンエンコーダーを備えています。
ハードウェアは、有用な方法で偏っています。
- GPU0: RTX PRO 4000 Blackwell SFF、24GB GDDR7(ECC付き)、192ビットメモリインターフェース、432 GB/sピークメモリ帯域幅、24,467 MiBの報告容量、sm120a。ターゲット、組み込みMTP、リカレント状態、グラフ、そして256K KVキャッシュを保持します。
- GPU1: RTX 2000 Ada、15,996 MiB、sm89。F16マルチモーダルプロジェクターやその他の補助サービスを保持します。
- ランタイム: Debian 13、CUDA 12.9.86、GCC 14.2、デュアルアーキテクチャCUDAビルド。
シーケンス長とともに従来のKVキャッシュを増加させるのは、16のフルアテンション層のみであり、これにより256Kが最初に思われるよりも不条理でなくなります。Q4 KとVを使用した場合、そのキャッシュはアロケータオーバーヘッドを除いて約4.25 GiBかかります。DeltaNetは代わりにリカレント状態とチェックポイントを追加します。4つのチェックポイントが有用な最小値でした。デフォルトの32は、他の場所で必要だったメモリを消費しました。
NVIDIAは432 GB/sのピーク帯域幅を引用しています。これはハードウェアの天井であり、llama.cppからのアプリケーションメトリックではありませんが、ここでは重要です。自己回帰デコードは量子化された重みを繰り返しストリーミングし、16のアテンション層はコンテキストが満たされるにつれてますます高価なKV読み取りを追加します。これが、同じプロファイルがプロダクションタスクで約50トークン/秒、261.5Kトークンキャッシュの終端で12.61トークン/秒を平均する理由です。
当初の計画は単純でした。容量を推定し、量子化を選択し、ベンチマークを実行する。マシンはすぐに、容量推定は単なる入場券であることを教えてくれました。本当のテストはロード後に始まります。
最初の一番乗りはQ4_0だったが、それは間違った一番乗りだった
私は40Kコンテキストの公開GGUFから始めました。Q4_0は驚くほど強力でした。ターゲットのみのデコーディングは毎秒22.40トークンに達し、n_max=3のMTPは毎秒44.95トークンに達しました。ファイルサイズと量子化ラベルが実際に実行されるCUDAカーネルを説明していないため、より小さいQ3_K_Mや名目上よりスマートなQ4_K_Mのバリアントよりも優れていました。
| 量子化 | ターゲットのみ | MTP n=3 | 受容率 |
|---|---|---|---|
| Q3_K_M | 17.00 トークン/秒 | 31.34 トークン/秒 | 83.98% |
| IQ4_XS, iMatrix | 20.63 トークン/秒 | 34.40 トークン/秒 | 64.87% |
| Q4_0 | 22.40 トークン/秒 | 44.95 トークン/秒 | 80.40% |
| Q4_K_M | 17.57 トークン/秒 | 26.15 トークン/秒 | 66.86% |
次に品質テストが簡単な答えを台無しにしました。短く同一のWikiText-2コントロールで、IQ4_XSは6.1175のパープレキシティを記録し、Q4_0は6.3798を記録しました。Q4_0は速度表をリードしました。しかし、Hermesにはメインモデルが必要であり、その品質のトレードオフは数百ミリ秒のために高すぎると感じられました。私は27Bモデルを大きすぎるオートコンプリートとして使用していたでしょう。
反対の極端も失敗しました。Q4_1は6.1127 PPLに達し、IQ4_XSをわずかに上回りましたが、そのメモリフットプリントにより、256KとF16ビジョンを快適に収めることができませんでした。有用な点は、高速で鈍い量子化と、システム全体に十分な余地を残さない正確なファイルの中間にありました。
256Kのロードはほとんど何も証明しない
初期の容量テストは良好に見えました。Q4_0、MTP、Q4 KV、4つのリカレントチェックポイント、そしてF16プロジェクターはすべて262,144コンテキストで割り当てられました。それでも、私が気にかけていた質問には答えられませんでした。
スロットを261,500入力トークンで満たし、さらに256トークンを生成してから、ホットキャッシュを再利用しました。切り捨てなし。OOMなし。最初のQ4_0プロファイルは、キャッシュの終端近くで毎秒12.06トークンをデコードしましたが、40K付近では44.95トークンでした。GPU使用率は99%から100%でしたが、サーバーは約1つのCPUコアを使用しました。ボトルネックは、巨大に占有されたKVキャッシュを読み取る16のフルアテンション層であり、秘密のCPUフォールバックではありませんでした。
これにより、それ以降のすべての実行でベンチマーク方法が変更されました。「262Kロード済み」は結果テーブルから禁止されました。ロングコンテキストの主張には、実際のトークンフィル、フィル後のVRAM、ホットデコード、切り捨て状態、および出力ハッシュを含める必要がありました。
すぐに使えるNVFP4量子化は品質ゲートを通過しなかった
BlackwellにはネイティブFP4ハードウェアがあるため、すぐに使えるNVFP4-MEDIUM GGUFは明白な選択肢のように思えました。そのバルクターゲットマトリックスはNVFP4を使用し、Q8出力ヘッド、Q6埋め込み、そしてIQ4_XS MTPレイヤーを備えていました。毎秒40.46トークンに達し、約1,055 MiBの空き容量を残して、完全な256Kとビジョンプロファイルを収容しました。
そのPPLは6.4949でした。Q4_0よりも悪い。
変換レシピが問題でした。ソースFP8チェックポイントからのアテンションとDeltaNetの重みは、大規模で許容範囲の広いマトリックスとともに、NVFP4に拡張され再量子化されていました。ネイティブ演算はファイルを高速化しましたが、無差別に低い精度はモデルのデリケートな部分を損傷しました。ハードウェアフォーマットのサポートは、どこにビットを費やすべきかを教えてくれません。
その失敗により、カスタム量子化の設計が得られました。バルクにはNVFP4を使用し、その後、私たちのワークロードが重要だと判断したテンソルのみを保護します。
実際に使用する方法でモデルを調整した
キャリブレーションコーパスは、296のHermesセッションからの5,472メッセージから始まりました。私はその素材をジェネリックコーパスの前に配置したため、処理された153,600トークンは、コーディング、ポーランド語と英語の会話、インフラ作業、ツール呼び出し、そして私のエージェントが実際に目にする厄介な混合を表していました。キャリブレーションの前に秘密のスキャンが実行されました。PEMキー、プロバイダーートークン、GitHubトークン、Slackトークン、またはメールアドレスは存在しませんでした。
llama-imatrixは497のターゲット重みの重要度データを収集しました。NVFP4はブロック量子化中にiMatrixを直接消費しないため、私はマトリックスをマップとして使用しました。大規模で許容範囲の広いテンソルはネイティブNVFP4のまま、選択されたアテンション、DeltaNet、FFNテンソルはQ5_KまたはQ6_Kに移動しました。埋め込みはQ6_Kになり、出力ヘッドはQ8_0のままでした。
最初の5.14 BPWハイブリッドは、6.0967 PPLで品質の勝者でした。また、毎秒34.19トークンと遅く、望ましいプロジェクターを256KとともにGPUに保持するには大きすぎました。良い実験でした。悪いプロダクションモデルでした。
2番目のビルドはよりタイトでした。
- サイズ: 16,321.38 MiB、5.01 BPW。
- バルクマトリックス: ネイティブNVFP4。
- デリケートなターゲットテンソル: Hermes iMatrixランキングを使用した選択されたQ5_KおよびQ6_K。
- 埋め込みと出力: Q6_KおよびQ8_0。
- 組み込みMTP: ネイティブNVFP4。
- PPL: 6.1197、Q4_1の6.1127と比較して。0.11%のギャップは、この短いコントロールのエラーよりもはるかに小さいです。
リリースされたビルドはQwen3.8-27B-iMatrix-NVFP4-MTP.ggufです。Q4_1リファレンスの測定品質を維持し、より高速に動作し、実際のサービングスタックのための十分なスペースを残しました。公開リポジトリには、オプションのF16ビジョンプロジェクター、SHA-256チェックサム、正確なテンソルタイプマップ、およびこれらの測定に使用されたピン留めされたllama.cppパッチマニフェストも含まれています。
MTPにはn=8にトラップドアがあった
初期のスウィープではn_max=3が示唆されました。4から7の値は、拒否されたドラフト作業が蓄積するにつれて遅くなりました。その後、n=8で毎秒49.31トークンにジャンプしました。
| MTP n_max | TPS | 受容率 | 結合プロセス VRAM |
|---|---|---|---|
| 3 | 43.11 | 78.73% | 18,352 MiB |
| 4 | 37.79 | 62.22% | 18,502 MiB |
| 7 | 29.10 | 42.95% | 18,950 MiB |
| 8 | 49.31 | 48.33% | 19,100 MiB |
| 9 | 49.02 | 43.95% | 19,250 MiB |
| 12 | 43.31 | 34.34% | 19,700 MiB |
| 20 | 30.60 | 19.97% | 20,900 MiB |
カーブはギザギザです。8つの候補が有利なバッチとカーネル形状にヒットしました。9はそれほど速くなく、追加の候補ごとに約150 MiBかかりました。完全な256K割り当てでは、ubatch=256でのn=9は、さらに162 MiBのCUDAグラフバッファで失敗しました。ubatchを128に減らすとロードできましたが、スループットは毎秒52.70トークンに低下し、32Kプリフィルが影響を受けました。N=10はさらに81 MiBで失敗しました。実験的なスケジューラプールでさえ、31 MiBの割り当てに負けました。
アロケータが食い込み始める前の最後の高速ポイントだったため、n=8を維持しました。
より正確なMTPはシステムを悪化させた
NVFP4 MTPの選択肢に対する制御されたライバルをテストしたかったのです。パッチが適用されたMTP対応iMatrix実行は、300のHermes履歴チャンクを処理し、8つのMTPマトリックスすべてを追加しました。比較のために、851の非MTPテンソルはすべて、プロダクションとバイト単位で同一であることが確認されました。変更されたのは8つのMTP重みテンソルのみでした。
| MTP重み | 追加サイズ | 平均TPS | 受容率 | 結果 |
|---|---|---|---|---|
| プロダクション NVFP4 | ベースライン | 50.441 | 48.329% | 維持 |
| iMatrix Q5_K | 50.625 MiB | 48.733 | 46.751% | -3.39% |
| Q5_K (クリティカルQ6_K付き) | 69.219 MiB | 37.024 | 33.065% | -26.60% |
より高ビットのドラフターは、BF16ソースモデルに近い可能性があります。プロダクションでは、それは1つのジョブを持っていました。この量子化されたターゲットを予測することです。MTPヘッドのNVFP4エラーは、NVFP4を多用するターゲットと偶然より良く一致したため、その正確な提案はより頻繁に生き残りました。スタンドアロンの精度は、量子化ドラフターの整合性に負けました。
これにより、ドラフターの品質の扱い方が変わりました。ドラフターとターゲットは1つの量子化されたシステムを形成し、それらの相互作用が受容率とスループットを決定します。どちらかの半分に対するスタンドアロンの品質スコアは、それを見逃します。
DSparkは完全に2番目のGPUを持っていたが、それでも負けた
Qwen3.8-27B-DSparkもテストしました。これは、マルコフヘッドと信頼度ヘッドを備えた1.36Bの拡散ドラフターです。llama.cppのパッチにより、サイドカーをGPU1で実行し、ターゲットをGPU0に保持することができました。
最良のバージョンはQ8_0で、毎秒26.49トークンでした。これは、ターゲットのみの参照である毎秒19.70トークンよりも34.5%優れていました。組み込みMTPは、同じ比較で毎秒49.61トークンに達しました。DSparkは46.6%遅く、より多くの集約VRAMを使用しました。サイドカーはFP8ターゲットに対してトレーニングされており、私たちのターゲットは混合NVFP4/Q5/Q6ターゲットでした。PCIeトラフィックとより弱いAdaカードが残りを処理しました。
DSparkの拡散メカニズムは機能しましたが、このサイドカーは異なるターゲットに対してトレーニングされており、このボックスでは負けました。
llama.cppビルドはモデルと同じくらい重要だった
モデルが安定したら、ブランチごとにランタイム変更をベンチマークしました。Nグラムスペキュレーションは、プロンプトを繰り返すとキャッシュが教え込まれ、見かけのスループットが46.77から約180トークン/秒に押し上げられるため、すべてのA/Bテストで無効にされました。プロダクションでは有用ですが、カーネル比較では有害です。
| ランタイム | 測定結果 | 決定 |
|---|---|---|
| クリーンマスター b10454 | 45.422 トークン/秒 | ベースライン |
| #26001 + #26048 + #26705 | 45.866 トークン/秒 | 維持、+0.98% |
| #27173 MTPチェーン追加 | 55.402 トークン/秒 | 維持、クリーンマスター比 +21.97% |
| #27140 | 45.457 トークン/秒、プリフィル -1.59% | 却下 |
| #26079 | プリフィル -1.96%、ホットデコード -0.70% | 却下 |
最終ビルドは、監査済みのコミットハッシュに#26001、#26048、#26705、#27173、#24891、そして#25635をピン留めしています。パッチは、Gated DeltaNet、CUDAディスパッチ、高速Q4/Q5スペキュラティブ検証、チェーンMTP、リカレントチェックポイントの正確性、およびFlash Attentionのスウィズルをカバーしています。
Flash Attentionパッチは、それ自体で数値を記録する価値があります。32Kで、プリフィルを毎秒759.38トークンから815.64トークン(7.41%向上)、ホットデコードを毎秒37.26トークンから38.23トークン(2.61%向上)にしました。アテンションワークロードが重要となるほど大きい場合に役立ちました。
ビルダーは、PRヘッドのいずれかが移動した場合、続行を拒否します。sm89とsm120aをビルドし、サンプリング、量子化、Gated DeltaNet、Flash Attention、NVFP4マトリックステストを実行します。これらのチェックがないと、次のアップストリームアップデートで高速なプライベートバイナリが障害に変わる可能性があります。
最終プロダクションプロファイル
アクティブなモデルはQwen3.8-27B-iMatrix-NVFP4-256K-MTPです。重要なランタイム設定は次のとおりです。
hf download cdiamond/Qwen3.8-27B-iMatrix-NVFP4-MTP-GGUF \
Qwen3.8-27B-iMatrix-NVFP4-MTP.gguf \
mmproj-Qwen3.8-27B-F16.gguf \
--local-dir ./qwen38
CUDA_VISIBLE_DEVICES=0,1
MTMD_BACKEND_DEVICE=CUDA1
LLAMA_SPEC_CHAIN=1
GGML_CUDA_GRAPH_OPT=1
llama-server \
--model Qwen3.8-27B-iMatrix-NVFP4-MTP.gguf \
--device CUDA0 --n-gpu-layers 999 --fit off \
--ctx-size 262144 --parallel 1 --ctx-checkpoints 4 \
--flash-attn on \
--cache-type-k q4_0 --cache-type-v q4_0 \
--batch-size 512 --ubatch-size 256 \
--temp 0.6 \
--spec-type draft-mtp --spec-default \
--spec-draft-n-max 8 --spec-draft-n-min 0 --spec-draft-p-min 0 \
--spec-draft-type-k f16 --spec-draft-type-v f16 \
--spec-draft-backend-sampling \
--mmproj mmproj-Qwen3.8-27B-F16.gguf \
--reasoning-preserve --jinja --metrics
--spec-defaultはこのビルドでNグラムスペキュレーションを追加します。エージェントセッションはコード、ツールスキーマ、プロンプトプレフィックスを繰り返すため、有効なままです。比較ベンチマーク番号には表示されません。温度はスタックで0.6ですが、推論努力はHermesによってリクエスト制御されたままです。グローバルにxhighを強制しません。
--agentは意図的に欠落しています。HermesはツールとMCPを所有しています。llama-serverのエージェントレイヤーを有効にすると、ツールループが重複し、コード実行サーフェスが広がる可能性があります。--fit offも意図的です。自動フィットは、デフォルトのVRAMマージンを確保するためにコンテキストをサイレントに変更したりオフロードしたりして、測定されたプロファイルを無効にします。
F16プロジェクターはGPU1で982 MiBを使用します。これは、GPU0に押し込むよりも、独立した4Bビジョンモデルを実行するよりもはるかに優れています。アクティブな17 GiBモデルとバイナリは、高速な再起動のためにローカルNVMeに保持されます。非アクティブな実験は、より遅いネットワークストレージに保存されます。
保存した数値
| ゲート | 結果 | 意味 |
|---|---|---|
| プロダクション、10回実行 | 平均50.441 トークン/秒 (49.420-51.397) | 現在の再現可能な動作点 |
| 厳密なランタイムA/B | 45.422 から 55.402 トークン/秒 | +9.980 トークン/秒、+21.97% |
| グリッドターゲット vs MTP | 21.189 から 59.456 トークン/秒 | +180.6%、2.81倍 |
| 完全な261.5Kキャッシュ | 12.606 トークン/秒 | 正直な遠方コンテキストデコード |
| フルコンテキストプリフィル | 226.750 トークン/秒 | 261,500 入力トークン |
| フルフィル中のGPU0 | 23,952 / 24,467 MiB | 約515 MiBの物理マージン |
| GPU1 プロジェクター | 982 MiB | ビジョンは常駐したまま |
フルコンテキスト実行は、切り捨てやOOMなしで256トークンを生成しました。コールドとホットの両方の出力は同じハッシュを持っていました。10回の実行からなるプロダクションシリーズも、その構成内で決定的でした。
1つの正確性に関する注意点が残っています。ターゲットのみのグリッドデコーディングとMTP n=8は、量子化されたターゲット上で異なる継続を生成し、オープンなllama.cppのバッチ不変性問題 #25618と一致します。両方のモードは内部的に決定的であり、出力は一貫していますが、この最大TPSプロファイルは、ターゲットのみのデコーディングと比較してビット単位の分布を保持しません。N=1は、そのプロパティが重要な場合の、より安全なロスレス設定です。
保存する価値のある間違い
プロダクションタスクの分布と3つのハードゲートから始めるでしょう。品質、実際のコンテキストフィル、そして決定的なA/Bです。量子化ラベルは後で来ます。
また、最後の数百MiBをそのままにしておくことを学びました。チューニングフェーズ中に意図的に約76 MiBの空き容量で実行しました。31 MiBのスケジューラ割り当てとグラフの断片化が、算術的な空きメモリが運用上のヘッドルームではない理由を示したまで機能しました。最終的な約500 MiBのマージンは、グラフ作成、ビジョンリクエスト、およびアロケータの変動を通じてサーバーを稼働させ続けます。
次回は、初日から正確な量子化ターゲットに対してドラフターをテストします。69 MiBの「アップグレード」は質問を決定しました。高精度MTP重みは、合意、受容率、スループットを低下させました。
ベンチマークを生き残ったもの
- Qwen3.8 27B、ビジョン、組み込みMTP、そして実際に満たされた262,144トークンのコンテキストが、この2GPUボックスに収まりました。ターゲットとKVキャッシュは1つの24GB Blackwellカードに搭載されました。
- カスタム5.01 BPW iMatrix/NVFP4ハイブリッドは、テストエラー内でQ4_1品質リファレンスに一致し、サービングスタックのための十分なスペースを残しました。
- MTP n=8は、測定されたカーネルのスイートスポットでした。N=9とn=10はCUDA割り当ての崖を越えたり、ubatchを減らした後に遅くなったりしました。
- カスタムllama.cppビルドは、厳密な同じワークロードの実行を21.97%改善しました。MTP自体は、ターゲットのみのグリッドデコーディングと比較して2.81倍のスループットを提供しました。
- 2番目のGPU上のDSparkは、組み込みMTPに負けました。高ビットMTPはNVFP4に負けました。スタンドアロンのドラフター精度よりも、量子化されたターゲットとの互換性が重要でした。
- ロードのみの256Kの主張は不完全です。キャッシュを埋め、終端で生成し、VRAMを記録し、バッチ不変性の注意点を開示してください。
完成したモデルからの5つのxhighアーティファクト
合成ベンチマークはシステムの一部しかカバーしないため、最終的なQwenセットアップにCursor Agent Local経由で10回のワンショットブラウザタスクを実行させました。「ワンショット」とは、エージェントが空のディレクトリでプロンプトを1回だけ受け取ったことを意味します。人間からのフィードバック、2回目の試行、または回答後の修正パスはありませんでした。その単一の実行中に、計画、ファイルの作成、検査、および自己テストを行うことができました。結果は、モデルとハーネスを一緒に測定します。
以下は、他のエンジニアに見せるであろう順序で並べられた、5つの未編集のアーティファクトです。
ボクセルパゴダガーデン
ボクセルジオメトリで構築されたプロシージャルな日本庭園。多層パゴダ、鳥居、桜の木、提灯、パーティクル、影、およびオービットコントロールが含まれます。
31m 01s 26,359行 31,728バイト
パーティクルユニバース
6つのモーフィングターゲットと、スケール、回転、崩壊、爆発、軌跡のためのウェブカメラハンドコントロールを備えた100,000パーティクルのGPUシーン。
60m 00s 36,504行 37,184バイト
あつまれどうぶつの森風ワールド
操作可能なキャラクター、NPC、収集品、家、動く水、雲、植生、そして追従カメラを備えたカラフルなプロシージャルアイランド。
56m 19s 1,049行 42,992バイト
プロシージャルタクティカルFPS
武器、反動、ボット、爆弾ロジック、購入メニュー、ミニマップ、パーティクル、ライティング、そしてフルHUDを備えた、シングルファイルでCounter-Strike風のFPS。
60m 00s 1,732行 73,128バイト
3Dテトリス
3軸回転、消えるプレーン、オービットコントロール、影、パーティクル、スコア、プレビュー、ゲームオーバー状態を備えたプレイ可能なボリューメトリックテトリスボード。
48m 51s 724行 27,685バイト
Michał Piszczek著 · 2026年8月17日。このページは正規版です。より短いノートやフォローアップの議論はLinkedInに掲載されています。