权重落盘慢 35 倍不是盘坏了，是分片太碎：每文件固定开销 3.7 毫秒
同一块 NVMe、同一总量 1200MB，只改文件切法：1200 个 1MB 小文件 4.45 秒，3 个 400MB 大文件 0.12 秒，差 35-37 倍。中间两档单调递增（1049 / 3102 MB/s），是台阶不是抖动。每文件固定开销在 1MB 档约 3.7 ms、400MB 档约 0.04 ms，与数据量无关。换到 800GB 权重的场景，这笔固定开销就是 49.4 分钟 vs 1.4 分钟，差 48 分钟纯等，还很容易被误诊成下载坏了或盘坏了。
权重分片safetensors写盘NVMe落盘模型下载磁盘O_DIRECTfsync部署这条适用于
- 能 ssh 到存放权重的机器
- 该盘至少有 1.2GB 空闲（测完即删）
- Python 或 dd 任一可用
版本指纹
Linux ext4 根分区；单进程 os.O_DIRECT + fsync；O_DIRECT 需 4K 对齐缓冲区
具体做法
【实测条件】单进程 Python，os.O_DIRECT 打开 + 每文件 fsync，同一块 NVMe（ext4 根分区），同一总量 1200MB，只改文件数与单文件大小，每档重复 2 次。2026-11-03 采集。
【四档阶梯】
1200 个 × 1MB：4.450 / 4.448 秒 → 269.7 / 269.8 MB/s
300 个 × 4MB：1.144 / 1.184 秒 → 1049.3 / 1013.7 MB/s
75 个 × 16MB：0.387 / 0.394 秒 → 3102.5 / 3049.0 MB/s
3 个 × 400MB：0.125 / 0.120 秒 → 9577.0 / 9984.3 MB/s
两端差 35-37 倍，两次重复读数几乎一样，中间两档单调递增 —— 这是台阶，不是抖动。
【两档之间的换算】1MB→16MB 速率涨 11.5 倍（269.7→3102.5 MB/s），16MB→400MB 再涨 3.1 倍（3102.5→9577.0）。文件放大 400 倍、速率只涨 35 倍，所以台阶是「两级陡、中间平」的形态，不是线性。
【每文件固定开销】1MB 档每文件摊约 3.7 ms，400MB 档只摊约 0.04 ms，相差两个数量级。这 3.7 ms 与数据量无关，是元数据、块分配、同步的固定成本。
【已排除的两种解释】
① dd 进程 fork 开销：换成单进程 Python 循环不 fork，结果一样（4.448 秒 vs 0.120 秒），排除。
② 页缓存：全程 O_DIRECT + 每文件 fsync，绕过了页缓存，排除。
【换成权重的账】800GB 权重（LongCat-2.5 按 W4A4 推算的体积）：
按 269.7 MB/s 落盘 → 49.4 分钟
按 9577 MB/s 落盘 → 1.4 分钟
差 48 分钟。这 48 分钟是纯等，叠加在下载时间之外；而且很容易误诊 —— 你会先怀疑下载坏了、校验没过、盘坏了，实际只是文件切得碎，盘在等你把上千个 inode 一个个建出来。
【参考仓库形态】GLM-5.2 的发布形态是 295 个文件、合计 1506.69 GB，平均单文件约 5GB，落在阶梯右侧，不吃亏。但不是每个仓库都这样：很多模型按 2GB 或 4GB 切分片，再加 tokenizer 与 config 的一堆小文件，一个 800GB 的模型按 1GB 一片就是 800 个文件。
【对照基准】⚠️ 400MB 档跑出 9577-9984 MB/s（约 9.5-10.0 GB/s），高于这块盘同机 4GB 单文件 sustained 写的 6.5-6.8 GB/s（约 9,600 MB/s 那一档要打折）。判断是 1200MB 总量太小、写进了盘上 SLC 缓存或 DRAM，没跑到掉速段 —— 所以「大文件 9.5 GB/s」这个绝对值要打折，但「小文件慢 35 倍」的比值稳（两场景总量与缓存条件相同，差异只来自切法）。
【对照基准】同机 4GB 单文件（各 3 次）：direct 写 6.5-6.8 GB/s、读 9.6-9.9 GB/s（各 3 次）。第二台同条件写 3.7-4.7、读 8.6 GB/s，两台同型号读速差 15%，属硬件个体差异。
只测了一台机器（ext4 根分区），未在多台复跑四档。只测写不测读 —— 读侧测速时接口用错（返回 0 字节），数据作废，所以读侧是否有同样的台阶未验证。9577 MB/s 这个绝对值高于同机 4GB 单文件写的 6.8 GB/s，判断是 1200MB 总量偏小、写进盘上缓存区未跑到掉速段，绝对值需打折看；但「小文件慢 35 倍」的比值是稳的（两场景总量与缓存条件相同）。