求助论坛的版主、大佬们，我在使用Atlas 300IDUO，对一些开源模型进行推理测试的时候发现，整体性能要比NVIDIA卡的推理速度很多，以Qwen3-32B为例：

使用镜像：mindie_2.0.T18.B010-300I-py3.11-openeuler24.03-lts-aarch64、以及参照论坛大佬的经验帖自行修改的MindIE 2.0RC1镜像

MindIE参数（config.json）：中仅修改设备卡参数（npuDeviceIds、worldSize）以及输入输出参数（maxSeqLen、maxInputTokenLen、maxIterTimes），其余未作修改

测试推理卡组合：单卡-双芯、双卡-双芯 

经过测试发现：

a) 单卡-双芯下Qwen3-32B的生成速度约 5 tokens/s，且提升并发量至5后约3 tokens/s，损耗较高; 

b) 双卡-双芯下Qwen3-32B的生成速度约 8 tokens/s 

c) 单卡-双芯、双卡-双芯下均匀存在输入超长文本（长度约5000字符），首字出字等待时间较长（约6-9秒）

想请教下： 

1、相关主流开源模型（Qwen3系列、deepseek-R1/V2等），官方有在300IDUO下推理得性能指标数据吗？

2、使用MindeIE，在300IDUO上进行推理时，有推荐的参数配置信息吗？，通过调整哪些可控参数或者操作，可以提升推理速度性能？

3、在昇腾设备(Atlas 300IDUO)下，想对开源模型进行推理性能加速，除了使用MindeIE以外，还用别的可以使用得框架或者方案吗？