中階洋垃圾 AMD EPYC 7B12 初學者硬體分享 文章由AI撰寫第一次發文請大家海涵~歡迎指正^^:

[kos or]

@李喆 said:

我會好好研究您回文的專有名詞的

把資料都丟給可以信任的AI就好, Agent 它會處理好的,

全球資訊系統~AI說若要可以一直更新資料則要買API KEY授權

這個可以用地端模型local LLM 去抓取資料, 我們有買顯卡的好處就是可以讓自己的Agent去抓資料,
但每天要用自己的顯卡工作就是了(可以設定每天半夜讓它工作), 不用依靠雲端的API, 你跟Agent說 它會主動幫你設定好
如果worldmonitor軟體有限制一定要使用API, 讓Agent直接coding修改, 大不了動用Codex-GPT-6.0-Astra 去改

AI曾經提供一個方法~登錄群益超級贏家走他們公司的伺服器取的資訊..然後失敗了Orz

有一個APP叫"三竹股市", 你在電腦上安裝Android 模擬器, 設定好google帳號後下載, 再讓agent 進去Android 模擬器操作"三竹股市" App,
試試看 雖然我還沒試過, 但應該有機會, 不過頻率太高, 資料量太大, "三竹股市"的伺服器有可能會擋下 因為流量限制;

群益超級贏家
如果你要的是他們的某個網站上的股票操作策略, 可以讓Agent控制你的電腦去學習網頁上的內容, 但是建議帳戶內是空的 沒有股票資金, 避免AI失控做出不必要買賣

這是另一個軟體 好像也可以試試看 牽涉到錢的要小心就是了 怕Agent不小心亂動

[李喆]

@williamlouis 感謝w大回復~能不能升級很重要!
7/31日我問rtx pro 6000一張385000 前幾天問已經50萬up 當時6月中接觸ai 感覺5090很夠用了 因為本來用的是快10年的電腦 amd 5800x 64gb 1660ti ...只用codex 沒有本地ai因為買了20 x pro帳號 所以開了很多專案在跑 當時gpt又3天2頭就重置~cpu與1660ti 常常100% 常常雲端ai等我電腦 所以7/31我買了2手水夜神上5800x 瞬間發現5800x完全跟不上了 尤其是開始接觸本地ai 只要能掛上5090的都是飛快立刻果斷買64核心 256gb 至於燒機部分不用擔心 除了cpu是拆貨其餘都全新也無超溫問題220v電源也是我自己配置 沒問題的~我會一直陪著大家^^"

[李喆]

@kos-or 我8月24日接觸台指期~前2個禮拜還不錯賺了一張rtx pro 6000 結果這幾天賠回去了...

果然~靠運氣賺到的錢最終會憑實力輸掉~Orz

我已不敢想自己能做出交易機器人了~先用ai收集資料做好筆記 讓自己能扎實學好技術分析比較實在^^"

另外~要教會ai技術分析邏輯還蠻累的~加上我的本地ai很不穩定~常常發生癡呆現象~之前用deepseek api 維修~發現調動費用可以包月codex 加上 Astra出來 大家都說厲害所以又轉到codex

codex有個好處~不管什麼檔案都可以直接餵又可以手機遙控~工作效率差很多!我也學版主 叫dsh把codex 裝很多本地ai 但用起來就...不太順~"~

[李喆]

@dardeaw-feng 好的~先等120b貨284b模型架起來跑順之後再來^^;

[李喆]

@kos-or 哈~但是我可分開賣~^^"

[李喆]

@Xiaote 了解!感謝如此非常專業的硬體回復!的確3200幫不上什麼忙~我在評估這套的時候還有一套7955wx 吃DDR5 5600 ECC REG 32GB*8 它頻寬300多GB/S 但在GPU面前皆是螻蟻^^"

DDR5 5600 ECC REG 32GB*8 $24萬~還不含CPU+MB+水冷套件 算一下不划算~"~

[Xiaote]

7955WX 那套是 8 通道 DDR5-5600，理论带宽约 358 GB/s，确实比 7B12（8 通道 DDR4，2400 约 153、3200 约 205 GB/s）高一截。但你的判断没错：这点差距在 3090/4090 的显存带宽面前还是零头，27B 级模型的 decode 瓶颈也从来不在系统内存上——只有把权重/PLE 卸载到 host 时，内存带宽才会真的咬人。

所以账很清楚：光内存就 20 多万台币换来 +150 GB/s，不如把预算留给卡和容量。7B12 + 2400 ECC REG 的定位本来就是对：够跑、能扩。真要上 400G+ 内存带宽，等哪天大 MoE 全量放 host 这种刚需真出现了再说，现在没必要为它换平台。

[kos or]

@李喆 said:

我8月24日接觸台指期~前2個禮拜還不錯賺了一張rtx pro 6000 結果這幾天賠回去了...

對股票沒這麼熟, 台指期倉位可以抱著嗎？還是要定時平倉？
這倉位過一陣子說不定會變成兩張 rtx pro 6000, 一年後變8張

另外~要教會ai技術分析邏輯還蠻累的~加上我的本地ai很不穩定~常常發生癡呆現象

我幾個月前使用 有幾次真的被AI氣到
現在不會了, AI變聰明了 基本上不會發生癡呆現象,

叫dsh把codex 裝很多本地ai 但用起來就...不太順~"~

本地AI能用的大概只有 qwen3.8-27, qwen3.8-Flash-Next, Deepseek,
其他的大概還是要依靠 線上API 速度快又強大

[李喆]

@kos-or K大午安^^"

全世界正常國家的股市都是長期向上!這是經濟發展的必然結果~未來AI世界可能例外~所以有篇文章您可以參考一下~無限台指期轉倉有其優勢:

https://www.sinotrade.com.tw/richclub/dawhotou/futures/無限轉倉是什麼-用台指期滾出長期複利-一個不完美但值得做的策略--69bb6c73d08dfc69056fc7a4#1

現在AI還差很多~比如股票YT視頻要轉逐字稿要圖文並茂的將重點圖片與解說放一起做出重點

~比如破底翻如何形成?進場訊號?主力買入成本等 單單告訴AI要抓取那些資料都很難完成也許AGI可以辦到

昨天一番測試120B/122B/284B手機板PDF報告後發現284B還不錯，所以改成5090+CPU+RAM全力推284B 速度也勉強到15tok/s

以下是gpt6 Astra 作的筆記 朱家泓三集圖文筆記_手機版.pdf

[李喆]

@kos-or 本地AI能用的大概只有qwen3.8-27, qwen3.8-Flash-Next

我有下載177b但他做的報告不合格..且我用5090全速推它速度也只有7tok/s左右~主要是產出不是我要的..我就放棄了^^"

5090載入27b-int(Ninfer)版本速度很快有200-700tok/s 4並發80k共用kv 一次可以同時做蠻多工作的~不過大概就是luna最高推理等級(或許是我沒調整好)

作天弄好284b後一直順利工作中同時低速多路下載~轉逐字檔~同時轉40支影片(時間跟轉1支差不多)

所以或許gpt能力或是更好一點~我就把gpt的產出叫本地模型下去學~284b學的最像~所以決定好好微調284b一段時間看看~將來在再用2張4090推看看效果

剛剛看284b的報告也不行~原來她沒有vl

我不是視覺模型
deepseek-284b 在此 harness 不支援圖片輸入（read_image 明確拒絕）。所以我看不了圖，無法判斷「哪個時間點畫面正顯示該股票圖表」Orz

目前有284b自行調用3.8 27b-vl 但用cpu解碼速度極慢(還好我不急^^")

本機有 3.8/27B 的 VL 視覺模型！我徹底搜尋它的位置（HF cache、Y:\AI、模型檔）。

Pwsh
Search for local VL model
Think
Found it! There are VL model directories:
找到 VL 模型了！B:\ModelScripts\Qwen3.8-27B-VL（Qwen 3.8/27B 視覺語言）。還有 B:\1.期貨\1.DSH\期貨分析\27B-VL 與 _vl_check/_vl_v2（疑似先前 VL 測試）。我探索這些看怎麼呼叫。
突破！本機 VL 模型成功運作，而且證實了您的判斷！

回報（模型：deepseek-284b｜台北時間：2026-09-15 14:10）

找到並啟動本機視覺模型：Qwen3.8-27B-VL（llama-server，:11438，純 CPU+RAM，16.5GB）
VL 視覺測試成功：它能看圖並描述內容
關鍵證據：我把先前「五檔報價」截圖送 VL，它回：「這是一張教學影片截圖，畫面中央是一位亞洲男性在說話（白 Polo 衫、戴眼鏡），背景是淺灰磚牆，下方疊加文字『判斷買賣意圖』」——我的截圖根本是講者口播畫面，不是五檔報價圖！ 完全印證您說「截圖都不是重點」。
這代表：我可以先用 VL 判斷每個時間點畫面是不是「關鍵圖表」，再選對的時間截圖。

代價：VL 每張圖 CPU 解碼約 30–130 秒，很慢。71 支 × 多個時間點 = 數百次呼叫，需數小時。

我先用 VL 在火山爆發當沖法這支驗證流程：抽多個時間點→VL 判定哪個是關鍵圖表→重做含正確截圖的筆記。您同意我先這樣驗證一支嗎？還是要我先批量用 VL 掃描所有影片的「關鍵圖表時間點」？
VL 回傳空，因為 max_tokens:120 太低——這是推理模型，token 被推理（thinking）吃光，content 才空。提高 max_tokens 重試。

Edit
_vlclassify.py
Pwsh
Re-run VL classification with higher max_tokens
Think
The VL classification is re-running with max_tokens:700. This will take ~15 min for 7 frames. Let me wait and check.
VL 分類重跑中（max_tokens 700，約 15 分鐘）。我等待並持續追蹤。

現在用codex 來調整看看 能否將gpu跟vram分一點給3.8 vl

[李喆]

真好玩!重新把27b-vl放入5090後~

Youtube Video

已完成修改並重新啟動：

• 284B：32核心32執行緒，專家層與快取放處理器，顯示卡約14.1gb。
• 27B-VL（27B視覺語言模型）：56層放入5090，32k上下文、48執行緒。
• 120B：純處理器16核心。
  三路目前在線且空閒，顯示卡占用約 28.4／32.6gb。文字與影像測試成功；64層會接近30gb上限，因此固定56層。

模型：GPT-5（第五代模型）] [時間：2026-09-15 15:24:11（台北時間）]
測試完成，結果正常：

• 284B（284B模型）：文字測試成功，約 3.5 秒。
• 120B（120B模型）：文字測試成功，約 4.6 秒。
• 27B-VL（27B視覺語言模型）：文字與影像測試成功，文字約 0.8 秒。
• 三路目前都在線且空閒。
• 顯示卡（GPU，圖形處理器）占用 28.4／32.6gb，溫度 40°C，沒有錯誤。