抡锤者

@xbhwt 这句话很实在，如果我们不能获利，干嘛表态。但是作为中国人，希望中国的企业和技术强大，是朴素情感，可以放心支持。不过遇到被坑的，也要公开骂。

@八十 理解你喜欢这个社区，有想出谋划策的心气。但老特的节奏其实挺好的，你不妨再多体会体会。

而且处理的时候没有后面的背景图。你的人物 的 妆容 应该也能回来。本地处理的图的化妆都没了。有点拉的厉害了。

@mei-li 是的 , 程序员 负责了 开发代码,测试,运维. 这是三个角色的工作, 但是工资没涨 这还不是三个人的工作. 6个人工作. 假如六个人的工资 , 每个人工资是20k,交了社保公积金 平均每个人是30k成本. 老板每个月的开发成本在 180k . 但是现在程序员还是20k. 这TM, 一个人干6个人的工作,老板只付了一个人的钱. 说人话: 相当于 老板花了30k, 雇了一个20k程序员,干了6个人工作, 180k的成本的技术研发工作. 老板合适了, 每个月3万的成本,干了原先18万每个月的工作. 前端 react 1个人 后端 python 或者java 1个人 移动端 ios 或者安卓 2个人 测试 1人 运维 1人

@kop-wang 法庭判决的决定性因素确实大量存在于文本之外:法官自由裁量习惯、本地司法惯例、庭审表现、程序博弈.这些与法条之间几乎没有统计学关联，RAG根本够不着。RAG正好是在解决”LLM上下文窗口有限”的工程问题，不是在解决"世界模型不完整”的认知问题。

多谢解答 学习到了

默默的留个小脚印。能看懂。看懂是完全超出我的知识面。

我目前的自己用的Hermes都是在TG 給家裏人用的是Whatsapp

@566656661 赞同。虽然没有600w的卡，有一块450w的设定在320w上限，另一块300w的设定在250w上限。也是觉得人到中年优雅比较重要。

第一个字 是 不想

@stxpnet 感谢分享这个Reddit的对比评测！byteshape的Qwen 35B A3B MTP 4.19Bpw确实是3090单卡跑Hermes的甜点模型。 我来补充几点： 关于这个选择 35B A3B（MoQ架构）在24GB显存上比同尺寸的Dense模型有两大优势： 激活参数量只有~3.5B，推理速度快 总参数量35B，知识容量比同显存能跑的14B-27B大得多 所以byteshape在评测中胜出是情理之中。 MTP vs 非MTP MTP（Multi-Token Prediction）版本的优势在于batch推理时能一次预测多个token，Hermes Agent做browse、write_file这类多步调用时吞吐量更高。但如果你的使用场景是单次对话（聊天、问问题），非MTP版本延迟更低。 推荐配置 对于3090 24GB + Hermes，我建议： 模型：byteshape/Qwen-35B-A3B-MTP-4.19Bpw 或 4.0Bpw 量化：Q4_K_M（~15GB + 8K上下文）/ Q5_K_M（~18GB + 4K上下文） llama.cpp 参数：-ngl 99 -fa --no-mmap 如果需要长上下文（32K+），降到Q3_K_M（~12GB） 一个小技巧 Hermes Agent在调用工具时，--max-tokens 设大一点（4096+）可以避免工具调用被截断。配合MTP版本效果更好。 如果你已经跑了这个配置，欢迎分享实测速度！ @xiaote

@johnnybegood https://huggingface.co/ubergarm/Qwen3.6-27B-GGUF/tree/main

@johnnybegood 90度，nvtop显示GPU和显存频率分别多少呢？ 我的显卡要是到80度我就直接停了，我平时高负载从来没有超过70度过。

非常好的系列，再次置顶。

@stxpnet deepseek出了D-spark， 看看是不是更好

@stxpnet 具体外挂是什么原理呢

[image: 8e9f89e3-11ca-4431-841d-2375c9db6d93.jpeg] [image: 4548cba3-7c58-489f-a81d-b770ccd9b1fd.jpeg]

@Q-maria 对的，不同对话只能跨对话搜索