電腦的HERMES讀取GB10的模型

[Tony Wang]

@怪物 说:

@Tony-Wang 您好，我的HERMES沒有雲端模型，用Codex跟Claude桌面板可以嗎?
該怎麼跟他說呢?謝謝

原则上也可以, 不过codex和claude缺省对本地操作的限制很多. 直接操作你的机器有点儿麻烦.

你去买一点儿Deepseek的api token, 100-200元人民币, 把它配置到你的hermes的模型里面. 就够用很久了. 我上次用Hermes+deepseek v4 flash 给我安装SGlang Qwen3.8 27B, 一共用了1.7元 RMB. 日常的轻量级任务, 还是用 Hermes+本地llm, 节省费用.

下面是Hermes+27B 自动生成, 供你参考, 你把下面的内容, 和任务书, 丢给Hermes.

配置：

Hermes 支持 OpenAI 兼容接口，在模型面板里加一个自定义 provider——base URL 填 https://api.deepseek.com/v1，模型填 deepseek-flash，key 填你的 API key。顺便说一句，deepseek-flash 就是你想要本地跑的那个模型：DeepSeek-V4.1-Flash-1017，支持 tool calls，跑这种长 agent 任务正合适。

配好之后，你跟 Hermes 这么说（把 4 个 IP 填上）：

我有 4 台 GB10，IP 分别是 ×××、×××、×××、×××，我需要把它们 4 台串起来部署 DeepSeek-V4.1-Flash。按我给你的任务书执行：每一步把进度写进 task-log.md，断线了能接着跑。

要点：

• 前置检查：Hermes 主机到 4 台 GB10 的免密 ssh、环形线已布好、有可用在线模型 API——缺一项就停下来报，不许猜
• 阶段一: 强制先调研后动手：官方渠道核实参数/精度/未审查版、算 512GB 装不装得下、找 GB10 多机最新 recipe（NCCL 环形 + 推理框架选型），出 plan.md 给主人过目
• 阶段二/三：逐机盘点 → 安装 → 下载模型 → nccl-tests 验证带宽 → 起服务 → 真实请求验收 + 确认 4 台都参与 + 记性能数字
• 红线：重启/清数据先问、不自己花钱、每步写 task-log.md 可断点续跑、实测不了就如实报不许编

任务书:

lcz-2532-任务书.md

[Tony Wang]

又让 Hermes 上网查了, 补两个问题的答案. 这部分内容, 你也给你的Hermes.

1. 去审查版, 有.

最对口 1017 的:

• dealignai/DeepSeek-V4.1-Flash-1017-UNCENSORED-FP8: 就是 1017 官方 checkpoint 做的权重级 abliteration (逐层消融拒绝方向), 非量化衍生, 非 jailbreak, 非 LoRA, 和官方版权节兼容 — 能加载官方版的就能加载它. 510GB, FP8+FP4, 1M 上下文, 视觉 / 工具 / 思考档位都保留, MMLU 掉 3.86pp. Gated repo, Hermes 要先申请一下权限.
• AtomicChat/DeepSeek-V4.1-Flash-1017-Uncensored-GGUF: 同一套消融打进 GGUF (3.58bpw 磁盘约 335GB), 还附带一个 rank-1 LoRA adapter — 挂在任意 1017 GGUF 上就有去审查效果. 需要带 V4.1 支持的 llama.cpp (unsloth full-stack pin, 上游还没合并).

基础版 (9 月版) 的去审查版下载量最大的是 dealignai/DeepSeek-V4.1-Flash-UNCENSORED-FP8 (51.4K 下载).

2. 4 台 + 无交换机环接, 有现成 recipe.

NVIDIA 官方论坛上的 christopherowen/spark-ds41f, 正好就是你这台配置: vLLM, 4×Spark TP4 环接, all-to-all 自动绕开无交换机的环形拓扑, 生产环境就在跑 DeepSeek-V4.1-Flash-1017, 1M 上下文, 16 并发序列. 任务书第一阶段的"找最新 recipe", 让它从这个 repo 起手.

选去审查版要注意:

• 原生 FP8 是 510GB, 光权重就快吃完 4×128GB, KV cache 很紧. 想要宽裕看量化去审查版 (EXL3 2.9bpw 约 270GB, 或上面的 GGUF).
• 第三方权重产物: 下载后校验完整性, 隔离环境跑.
• 去审查后没有安全兜底, 输出全是你自己的责任.
• MMLU 掉约 4pp, 是去审查的代价, 可接受.

[怪物]

@Tony-Wang 太感謝您了，我自己都不知道該怎麼問AI，
我把你說的全部餵給HERMES試試，謝謝

[benton yi]

@怪物 你现在接好了在线模型也做不了@tony-wang 列的这些事。差4根线，长这样：


RJ45网线组不了NCCL网络，万兆也不行

[stxpnet]

楼主似乎在台湾，上X去找就行了。
我目测，最好的应该是tensor fold了，基本是dgx spark的专属框架+模型：

这速度基本上有一台24小时自动印TOKEN机了。

[怪物]

@benton-yi 有的，我有買CRS804的交換機跟線，不過台灣全面缺貨，我花了2倍的錢在淘寶買了一台，還沒寄來，我現在是想先把要下載安裝的都裝好，謝謝

[怪物]

@stxpnet 好的，來研究一下X推特，謝謝

[johnnybegood]

@怪物 你真是个魔术师， 前一阵说要变出厉害的装备， 今天就有了。 厉害厉害。 可以看着个视频， 讲的比较清楚

Youtube Video

至于模型， 我建议先把原版模型跑起来， 测试一下， 然后再跑去审查的。

[Tony Wang]

@怪物

其实,

1. 你只要多跟AI聊天, 把你的情况, 你想做什么告诉它, 让它上网搜索, 核实, 并给你相应的方案.
2. 然后把相应的方案给Agent, 让它再细化一遍. 最后再让Agent去执行.
3. 长线的复杂任务, 最好让在线模型去执行, 它们的上下文比较长, 跑起来不容易出错. 智力也会高一点点.

[terry]

@Tony-Wang 我哥你说什么都对，你是社区哲学家，科学家是我弟 @imbiplaza-asus 。
你俩一个是社区康德，一个是社区达文西。
卧龙凤雏皆不世之材，得一可安天下，兄弟我看来是要发家了。