8×B300 实测：P/D 分离并非 LLM 推理通用方案

warmctl.io 的实测显示，在单节点 8×B300、DeepSeek-V4.1-Flash 和专家并行环境下，P/D 分离并非总是更优。单 rank 执行 prefill 会拖慢全部 8 个 GPU，吞吐从 18.7 降至 14.1 steps/s；将 prefill 按 8 个一组对齐到各 rank 后，U+V 回到 1.00。