刚起来很快，跑久了越来越慢

同一模型同一参数，第一次跑 30 tok/s，两小时后掉到 10 以下；或者跨天不用后重启才恢复。

四类原因：① 上下文真的涨满了（每轮都在增加 KV，decode 要读的 KV 变多）② 散热到温度墙，GPU 降频 ③ 内存/显存碎片与框架泄漏，长时间驻留后分配效率下降 ④ 其他程序陆续占了显存。

1. 先看是不是①：开新会话再测一次速度，如果立刻回到正常，那就是历史累积的 KV，属于物理现象不是故障；处理办法见 context-full-crash。
2. 查频率与温度：nvidia-smi --query-gpu=name,memory.used,temperature.gpu,clocks.sm --format=csv -l 2，跑一段时间后对照 clocks 是否下降。
3. 长时间任务定时重启服务，这是当前本地推理工具链下最省事的做法（别指望框架永远不泄漏）。
4. 确保散热风道：笔记本和小型主机最容易撞温度墙。
5. 看显存占用是否随时间上涨（占用上涨 + 速度下降 = 泄漏或缓存堆积）。

重启服务并开新会话后速度恢复；如果只有重启才恢复，请在反馈里告诉我们是哪个框架哪个版本，这是本站最想收集的实测线索之一。