DDR3内存条太便宜，上256G 512G跑本地大模型？完全没有必要，120B模型足够处理隐私和抗审查，要求高上在线AI，先赚钱！
-
本期讲一讲当下我们要在本地部署什么样的模型。因为最近由于Strata的流行，导致大模型的部署门槛下来很多，是吧？大家一开始是用64G的DDR3洋垃圾，加上24G的7900 XTX，去跑IQ3版本的、由Strata驱动的千问3.8 Flash Next。这样子性价比就非常高，是吧？你内存加显存96G，官方认为这样单会话长上下文跑得还不错。后来大家又觉得多会话的时候体验可能不好，长上下文下多个slot之间切换KV缓存，可能内存不够，那就升级到96G。96G之后搞到128G，诶，这个时候就完美了。你如果上到96G、128G，再搭配一个24G的显卡，甚至搭配两张12G的，或者搭配性能还不错的16G显卡，或者两张16G的V100这种垃圾卡，或者两张4070、两张5080，这些奇奇怪怪的配置都有，那体验就相当不错。
这个时候就有人问了：诶，DDR3平台好便宜啊，是吧？这个32G的条子，然后我不是在视频中给大家展示了吗？我说我买到的条子质量还非常不错，好吧，玩游戏、跑AI还都不错，我都已经测过了。我有64G、128G两个配置方案，64G的是四根16G，还有四根32G的128G方案，都挺不错的。是不是有点小瑕疵，但是不妨碍，它们都能用。那大家说，既然便宜的话，我是不是去买那种服务器的双路服务器，然后8个通道给它上32G的条子？甚至有这种淘宝卖家好像在卖64G单条，价格好像也不是很贵。如果说你是8通道加上64G单条，那就能凑成512G了。我靠，512G你再给它配个4090 48G，或者RTX Pro 4500，或者再配一个其他的32G、48G显卡，那你是不是能够部署DeepSeek V4.1 Flash了？
然后又有人讲了，啊，DDR3不好，其实DDR4也不怎么贵，是吧？我们再往上加一加，咬咬牙，上个512G的DDR4。后来一想，我都上到DDR4了，是吧？咱这个怎么说，再努把力，再上个DDR5的。本来是买一辆奥拓，然后变成奥迪，最后变成了布加迪。我靠，这个预算发现还挺贵的，算了，不如不买。就这样其实挺没有意思的啊。我讲实话，我们要讲一讲本地部署什么样的模型才有意义。首先毫无疑问是千问27B，它现在是3.8，以后很快了，就是这个月月底，应该就这几天，4.0的27B就会发布，一定会有大的提升。
到时候，呃，其实现在3.8的27B在很多测评上，并不比DeepSeek V4.1 Flash评分低多少，只是实际干活的时候可能确实比不上它，尤其是长上下文复杂任务可能干不过它。但是在很多评分上，它其实并不比DeepSeek差多少，它的评分非常顶级。你如果会用它的话，在特定场景中它相当有生产力。是吧？然后就是千问Flash，这个模型现在是3.8 Flash Next，它的4.0应该是在4.0 27B发布之后，我估计个把月吧，等这个热度过了之后应该就会发布，它的提升应当也会很大。它是125B A6B的模型，我估计变来变去就是在120B左右，因为这是一个非常经典的尺寸。就是它的知识库大小、尺寸是够了，然后MOE模型又不用像DeepSeek一样激活十几B、二十几B，它的算力要求、带宽要求、硬件要求可能低很多。然后它对于内存、显存的要求，可能就没有DeepSeek V4.1 Flash这样500B的模型那么夸张。
它就是一个比较甜点的配置。无论是干活还是跑分，它都没有被DeepSeek V4.1 Flash这样500B左右的模型，甚至一些1T左右的模型拉开明显差距，那它就够了呀。是吧？你就把这个甜点模型的上限搞到100B左右就差不多了，MOE再往上搞、搞军备竞赛没有意义。在线API并不贵，你说你本地部署是为了什么呢？不就是为了数据隐私，不就是为了抗审查吗？你把这一块单独划出来，让它用本地模型来做。是吧？其他的如果说你需要特别牛逼、特别智能的模型，比如说负责调度的，你就让在线的DeepSeek V4.1 Flash来调度不就行了吗？你只要把Hermes、DeepSeek Harness、Codex这些agent用好，在本地模型和在线模型之间从容切换、协同作战，这比你无休止地追求军备竞赛、跑特别大的模型要好得多。
再说了，我为什么给大家推荐不要上256G这么夸张的内存？就是你双路耗电量比较高。然后双路在调度的时候，其实软件包括框架都没有那么智能，很多时候达不到翻倍的效果。然后你说上512G，哪怕上洋垃圾，成本也不低。就如果说你上256G，你也跑不了几个会话，就是你也不会多跑几个会话，没有必要。大家把128G的DDR3洋垃圾配起来，现在它的成本非常低，是吧？几千块钱买回来之后，你跑大模型就直接给它上V100 16G，或者说你手里有3080 12G、3080 10G、3080 20G、3060 12G，你可以上两张，是吧？能够把千问Flash这个模型跑起来，稍微支撑几个会话，哪怕排队也不用多并发。把它跑流畅了，它就具备生产力了，你就干活去挣钱，吭哧吭哧地去挣钱，就不要再花时间往上面堆了。你跟我又不一样，又不是做视频的，是吧？我都不用自己买回来堆，我就看论坛有哪些土豪，他们又买了什么洋垃圾也好，还是RTX Pro 6000也好，还是苹果M5 Ultra也好，他们把测试数据发出来，我自己对着镜头云一下，我本身做视频就能挣钱了。你说你们是为了什么呢？
是吧？本地部署模型，我跟你讲，你就算在本地部署了DeepSeek V4.1 Flash，也不可能有官方的效果好。人家只是把模型权重开放给你了，你用SGLang也好，Strata也好，还是其他东西也好，Strata不是专门为了DeepSeek V4 inference发布了一个叫Maya的新推理框架吗？是吧？你部署不出官方的效果来。人家官方给你看的是什么，叫DeepInfer，给你开源的而且只开源了一部分。你看看那个要求，是吧？你觉得你的硬件能达标吗？是不是？或者说你是土豪，人家买4个DGX Spark，用SGLang跑DeepSeek V4.0 Flash，可能跟官方的差距微乎其微，人家的体验就很好。你愿意花20万左右、20万出头来搞这个东西，那你可以去买。那我们普通屌丝就把120B左右的千问Flash模型，或者把27B模型跑好就行了，我们就不要贪心不足了。你每天在这上面折腾的时间，不如多用来折腾一下本地工作流。
下一段时间呢，我会把重心从大模型、AI硬件评论向ComfyUI迁移。有很多人问是什么时候，得等我把家里的这些琐事处理完了，是吧？然后还有一些其他规划，因为我在规划做一些其他的事情，等我把这些事情都落地了，我估计12月份吧，开始到春节。本来我是打算在春节之前把APP开发完成就行了，现在国庆就把它完成了，这属于大大提前，是吧？那么咱这段时间就是每天对着镜头吹吹牛逼，水一下，跟大家保持热度、保持联络。后面我会上一个ComfyUI实际生产的项目，通过一个新的频道给大家演示如何从零部署大模型、部署ComfyUI，生产视频、音频、图片，是吧？然后通过什么样的方式获利，给你们展示一个完整的、再一次从零开始到赚到钱的过程。是吧？我们不吹牛逼，我们以实践说话。到时候那个频道的所有数据完全公开。有人问我为什么英文频道的分享只分享一部分后台数据，我不分享那些很敏感的信息，原因很简单，我不能拿自己的饭碗开玩笑。那么后面我开的这个新频道，一定是所有信息都能对你们公开，你们想看什么数据就看什么数据。好吧，到时候我们以实践来检验真理、检验理论。
-
-
-
-
-
-
-
我的运气是早早听老特的话，买得早，早期大部分显卡都还没疯狂的时候，他已经叫大家哪里一个方便就买哪里一个，大家都买nvidia pro 4000，4500，5000，6000.。。。那个时候大家也顺便升级ram, 64g,96g,128g....后来大部分gpu开始贵了，不得已就7900xtx, r9700pro...
那个时候大家最顶的模型大概都是27b,35b 至多70之类的。。。。就算用着dram 128b 都是过剩的，现在strata 爆出来，才拉到标配128g dram .... -
會不會Qwen4不出125B A6B flash
反而又把35B A3B復活?
如果是這樣各位兄弟會崩潰嗎? -
-
128g多少有点捉襟见肘，别的基座不知道，ollama跑一个30b大概吃40几g内存，同步跑俩以上容易因为内存不够卡顿几分钟倒内存，不很频繁，但会有，所以我很后悔没上8根32,有条件就256吧，要跑单卡异步就无所谓了。后期我打算把16个槽怼满，但据说16槽怼满会出问题。。。后悔中
-
不用洋垃圾，上128G DDR4也就是一般平台极限了，这个用3.8nf能开256K上下文吗
-
128g多少有点捉襟见肘，别的基座不知道，ollama跑一个30b大概吃40几g内存，同步跑俩以上容易因为内存不够卡顿几分钟倒内存，不很频繁，但会有，所以我很后悔没上8根32,有条件就256吧，要跑单卡异步就无所谓了。后期我打算把16个槽怼满，但据说16槽怼满会出问题。。。后悔中
-
-
之前的視頻聽捶哥說買ddr3的內存來跑QFN，期待捶哥內存擴充好之後，聊聊這件事的後續，哈哈。
@Charly-Cheng 我的帖子都已經示範過了 最低預算跑QFN 還能魔改成跑NVFP4版了
測試數據都有 -
对于做工程的系统来讲，速度不是第一追求，稳定和完成规范才是真正需求，一个工程系统的基座只要不是目标达成崩坏的根源就不会频繁升级，一种基座能够持续存活就有意义和价值，至少生态成熟，可以把学习成本用在开发和结果达成。科技大跃进和投机的风险就是一切还要回到开头重新来做，这很可怕。用来学习当然苟日新，干活总换个屁，工业追求的是标准化稳定产出，快那么10个8个token对于基座稳定性风险来说不值一提，目前ollama不差什么，人家也在持续稳定进步，这不是站队，是实打实很好用的结论。128够吗，就像32g能跑llm 8g能跑comfyui一样，一个vm里再跑个llm环境的系统消耗是多少？128g还够用吗
-
-
-
其實美超微的老E5主板有些是能單CPU上8條DDR3 RDIMM的，湊個256GB難度不算高，麻煩的是這些老板子大多沒M.2插槽，只能試著用PCIE轉M.2的轉卡硬上，還得先確認BIOS有支援NVME開機，挺麻煩的
