那么你要想在本地有个比较好的体验，要么就是跑千问27B。像我用4090 48G，或者用7900 XTX双卡，那跑起来体验可能还不错，上下文也能拉得还可以。尤其是用4090 48G跑千问27B，加上DSpark这个技术，我认为体验跟在线的已经差别微乎其微了。它可能质量上面稍稍比DeepSeek落后一点，但是毕竟咱有云端的DeepSeek兜底。这个本地只是为了抗审查，只是为了防止数据泄露，防止自己的创意被云端大模型给剽窃，那我认为27B完全够用了。或者用7900 XTX跑一个单会话、长上下文的本地应用，其实也是够用的。就是多并发长上下文对于Strata来说，它确实现在体验不是太好。

那么有些比较牛逼的用户呢，他们就是花了比较多的钱，比如花了10万块钱到12万块钱左右，去买个M5 Ultra 256G。我们论坛的CC Tgo发了很多测试的帖子，论坛还有其他两个M5 Ultra 256G的用户，他们也发了MiniMax H3，也发了大模型的帖子，大家可以去找一下。然后这个CC Tgo老兄，他测试的就是图文并茂，每次他测试报告发完之后，我让他补一些图片，他基本上都会去补，就非常不容易。

他这次测试的是M5 Ultra 256G加上MLX-Serve这个新的推理框架，据他的反应好像比OLMX好用，驱动的模型是千问3.8 Flash Next。具体的配置过程我就不讲了，大家直接复制帖子编号2029，把这个编号复制下来，交给你的agent去抄作业就行了，如果你有相同的硬件。然后他的测试上下文从100K到200K，prefill速度是在4,000到5,000之间，然后解码速度从140到170左右。并发呢，它是跑8路并发，他认为是比较甜点的。

就是千问3.8家族，我不知道4.0怎么样，因为4.0可能最近还处于卡壳的状态。就是你设置128K，也就是帖子中经常说的131K，其实就是128K，1K是1024，所以128K会显示成131几几几。千问家族我觉得超过128K其实就不太好用了，极限你把它拉到190K、192K，基本上我认为再高它就基本上变成智障了。就是你甜点的用法，还是用128K来搞它。然后你大部分的agent，包括Codex、Hermes、DeepSeek Harness，你用128K跑，把它规划好了，体验是非常不错的。当然了，你不能跟DeepSeek动不动就500K、一兆去比，是吧？但是确实128K已经足够你干活了，这是一个甜点的上下文长度。

然后他给出来的数据相当不错，总之体验很好，首token延迟也可以接受。冷启动大概是20到40秒，然后如果已经有缓存了，那么TTFT数据也会相当好看，总之体验不错。然后呢我也必须感谢论坛的兄弟们，大家毕竟拿着自己十多万块钱的装备，免费帮我测数据。我在论坛中打开一个帖子就能嫖一个视频。在我家里事情比较多、抽不开身的时候，我要维持这个频道的更新，其实我自己偶尔测一测一些新的模型或者新的玩法，然后从论坛剽窃一些真实的测试数据。

那么下面我们对比一下另外一个兄弟，这个新来的Edmund Tang。我靠，这个不太好读啊，埃德蒙德吗？这老兄发了三个RTX Pro 6000D加一个RTX Pro 6000，跑官方版本、原生版本的DeepSeek V4.1 Flash 1017。这个Pro 6000D是中国特供版的阉割版，既限制功耗、限制功率，又阉割性能。它比RTX Pro的Max-Q版本阉割要严重得多。Max-Q是功耗限制在了一半，但是它实际上的性能实测，大部分情况下比标准版的RTX Pro 6000大概差百分之二三十，差不多是这个区间。这个RTX Pro 6000D显存也是从96G砍到了84G，它的算力可以说是砍到了膝盖以下。但是毕竟显存没有砍太多，它算力和带宽严格了，在很多情况下还是有用的。

因为我们用大显存显卡，并不是一直处于算力、显存、带宽全部拉满的状态，大部分时候不需要这样。它的阉割并没有让干活的能力像数据一样被砍到膝盖以下。它的价格确实比较便宜，好像是五六万块钱一张，六万块钱左右吧，我没有去查，大家可以自己去查一下。然后它只有Pro 6000官方版本的一半左右，比Max-Q也便宜很多。

它这个三卡6000D加上标准的6000，我不知道是怎么样的并发机制，但是它最终只能处理三个会话，总的上下文大概就是300万，就3M吧。那么性能我认为就有点……我不知道是不是它部署的问题，可能有牛逼的朋友能够部署出比较好的方案。但是人家也是经过多次测试、多次尝试，并且也不是一个人搞的，人家是一个小团队，可能自己公司会用到这个东西。

在这个测试上怎么说呢，前两天我不是做了个视频嘛，就我们奔腾e，这位老哥发了4个DGX Spark，两个技嘉、两个华硕，总价13万出头买到的，但是现在可能值20万。它这四个DGX Spark没有连交换机，就是通过英伟达的高速互联，用英伟达专线去连的，是四个环形拓扑架构。它能够跑官方原版，支撑起8个完整并发，上下文长度好像设的是512。它8并发跑出来的数据非常好看，首token延迟、TTFT也都非常不错。体验可能跟官方在线版本几乎没有差距，TTFT大概是0.8秒。

也就是说，它这个4个DGX Spark跑出来的效果，已经完全超过了这位哥们的三个Pro 6000D加一个Pro 6000标准版，这个造价得30万了。大家可以自己详细计算一下，我没有详细计算，只是根据我的印象大概估值，它应该是30万左右的造价。那性价比的话，毫无疑问是4个DGX Spark更合适。当然了，如果多卡方案这位老哥把上下文长度砍一砍，搞不好搞个5个、6个并发也是没啥问题的。但是性价比肯定还是4个DGX Spark更加合适。

那有哥们说，我买两个256G的M5 Ultra，总价格比单个M5 Ultra 512G要便宜。但是我只能说，苹果双机互联带宽虽然也不错，大概是五六十G吧，应该不会超过70G每秒，它只有英伟达互联带宽的三分之一。英伟达专线带宽好像是200G每秒，它的互联效率理想情况下也不能跟英伟达比。两个小盒子的算力加起来也没有4个DGX Spark更强，再加上生态方面的劣势，因为苹果不是专门为了跑大模型设计的。虽然M5 Ultra由于规格太过变态、舍得下血本，导致它跑MiniMax H3、DeepSeek或者千问Flash Next的速度都还不错，并发也不错，但是它毕竟是一个全能的机器，不是像英伟达小盒子那样专为大模型设计，所以性价比很难跟4个DGX Spark相比。

那么它会不会比单个512G的M5 Ultra更好呢？我个人觉得如果跑MoE模型，大多数情况下应该是比它更好的。虽然它的互联带宽有残疾，但是相比一般的PCIe方案，带宽还是更好一点。如果后期软件优化一下，我认为买两个小盒子比较值得，因为毕竟两个小盒子你有兜底。就算DeepSeek将来跑起来数据可能不是那么如意，没有单个M5 Ultra 512G来得那么简单轻松，甚至效果也不一定比它好什么的，但是你毕竟买到了它两倍的算力。并且在本地跑千问3.8 Flash Next，已经可以满足你绝大部分需求了。马上4.0再更新，它比DeepSeek差一些，但是我认为在本地如果你仅仅是为了数据保密、应对审查，抗审查，那我觉得都够了。单个M5 Ultra 512G，除非你有什么特别的需求，不然我觉得还是没有两个256G的M5 Ultra有性价比。

我是讲实话啊，我也是非常想买一个M5 Ultra 256G的，只是因为最近我花钱太多了。贫穷让我安分守己，反正看一看吧，我相信硬件总会往下走的，它不会一直这么贵。搞不好晚一点买，到时候就捡各位大佬的二手，是吧？你们10万块钱买的，我们3万5接盘，这个还是可以畅想一下的。好吧，本期视频就到这里，欢迎大家到论坛来分享自己的硬件和测试数据，我们互通有无。好吧，我也能水一些视频。感谢大家的支持，我们下期视频再见。

相关帖子：
https://lcz.me/topic/2952
https://lcz.me/topic/2929
https://lcz.me/topic/2946