一台游戏电脑跑 1250 亿参数
第一册 最新回答:显存装不下整个模型的时候,钱花在哪一层最值。全册十章。223 个 C++/CUDA 文件、56,357 行逐目录清点;三层内存各自装什么;「每 token 只读 0.66 GB」是怎么算出来的;从装机角度看显卡、内存、CPU、磁盘与 PCIe 各自的天花板在哪、加钱加在哪一样上最值;四档量化怎么选。机制侧讲清一层内部的三条并行路径、自适应专家缓存、MTP 草稿与校验、长提示提速与长上下文的代价;硬件门槛、安装四个问题,以及服务端那套 API、MCP 工具与图像支持。数字另立一章:先把口径说清楚,再把完整提示速度表与输出速度表列全,外加三条「和直觉不一样」的结果。社区侧收了八条实测——中文词表补丁(真实英译中任务 +45.4%)、双 RTX 3090 基准、AMD ROCm 移植、RTX 5090 fork、三卡独立车道,以及「0.1.13 比 0.1.21 快」那条疑云;这些数字与用户原话一律收进正文旁的边栏,只陈列、不加评价。配 12 张图(8 张自制、2 张官方、2 张运行实拍)、56 行数字台账(逐条标了来源)。