跳转至内容
  • 版块
  • 最新
  • 标签
  • 热门
  • 用户
  • 群组
皮肤
  • 浅色
  • Brite
  • Cerulean
  • Cosmo
  • Flatly
  • Journal
  • Litera
  • Lumen
  • Lux
  • Materia
  • Minty
  • Morph
  • Pulse
  • Sandstone
  • Simplex
  • Sketchy
  • Spacelab
  • United
  • Yeti
  • Zephyr
  • 深色
  • Cyborg
  • Darkly
  • Quartz
  • Slate
  • Solar
  • Superhero
  • Vapor

  • 默认(LCZ-Blue)
  • 不使用皮肤
  • LCZ-Green
  • LCZ-Blue
  • LCZ-Black
折叠
品牌标识

抡锤者

首页 版块 标签
硬件
装备秀
AI 广场 App
  1. 主页
  2. 版块
  3. AI音视频画图
  4. MiniMax-H3 参赛片:注意力改 BF16 + 去掉 turbo 加速 LoRA 的详细测试 (原始数据展示)

MiniMax-H3 参赛片:注意力改 BF16 + 去掉 turbo 加速 LoRA 的详细测试 (原始数据展示)

已定时 已固定 已锁定 已移动 优秀 AI音视频画图
r9700多卡部署视频生成
13 帖子 6 发布者 252 浏览
  • 从旧到新
  • 从新到旧
  • 最多赞同
回复
  • 在新帖中回复
登录后回复
此主题已被删除。只有拥有主题管理权限的用户可以查看。
  • Magic629M
    Magic629M
    Magic629
    硕果累累 贵族大夫
    编写于 最后由 编辑
    #1

    MiniMax-H3 参赛片:注意力改 BF16 + 去掉 turbo 加速 LoRA 的详细测试

    日期:2026-11-17 机器:magic629-AI(2× Radeon AI PRO R9700 32G,ROCm 7.14,TP2)
    服务:radiance-h3fullref(radiance 1.17.0 分支 radiance-h3-fullref,端口 8001)
    规格:1344×768 / 294 帧 / 24 fps / 12.25 s / seed 145 / 统一 prompt + 6 张参考图(剑心、志志雄)
    测试矩阵:3D CGI 与 2D 动画两条片 × 4 / 8 / 20 / 50 步 = 8 条,另加 1 条 int8 对照


    0. 结论速览

    问题 实测答案
    注意力改 BF16 后画质变了吗? 基本没变。同 seed 同 prompt 的严格 A/B:相对锐度 −3.1%、高频能量比 −0.3%、静止区抖动 +0.1%、宽窗对齐抖动 −3.4%,全部在噪声量级。
    那代价是什么? 每个去噪步慢 38%(4 步档 47.4→65.6 s/步,20 步档 56.6→78.2 s/步)。而且这还是在"顺手省掉了 LoRA 显存槽"之后测出来的,纯注意力开销只会更大。
    去掉 turbo LoRA 后 4 步还能用吗? 不能。4 步出片是一团糊(帧 250 整幅是火焰糊块),静止区抖动 3.40,是 turbo 8 步(1.75)的 1.9 倍。
    那要几步才够? 8 步勉强、20 步进入平台、50 步只有 2D 还在变好。3D 组 20→50 步静止区抖动 2.293→2.316(不降反微升),多花 2.5 倍时间买不到东西。
    和现在参赛的 int8+turbo 8 步比呢? 同一步数下基模全面落后:8 步静止区抖动 2.526 vs 1.752(差 44%),相对锐度 0.039 vs 0.102。基模要 20 步才接近 turbo 8 步的观感,但时间从 585 s 涨到 1672 s(2.9 倍)。
    建议怎么交? 规则允许加速 LoRA 就继续 int8+fp8 + turbo 8 步;不允许就用 int8 20 步(1218 s,画质与 bf16 20 步同级但快 27%);bf16 只在需要排查量化伪影时用,且步数选 20 不选 50。

    1. 这次到底改了什么

    1.1 注意力精度:int8 QK + fp8 P·V → BF16 QK + BF16 P·V

    DiT 里每层注意力的算子 attn_prefix_self 有两个精度参数:qk(出厂 i8,分数 int8)和 pv(出厂 fp8)。 libr4d 内核 attn_prefix_self_h128_bf16 一行支持全部四种组合,所以只需要在算子声明处按环境变量切换:

    • 补丁:opt11-attn-bf16.py → /home/magic629/radiance-h3-fullref/arch/minimaxh3/minimaxh3.cpp(源码备份 minimaxh3.cpp.bak-attnbf16)
    • 开关:static bool h3_attn_bf16() 读 RAD_H3_ATTN=="bf16";为真时不再声明 k_i8 / k_scale / v_fp8 / v_scale 四个量化操作数(多传会 RAD_E_INVAL),改发 RAD_STR("qk","bf16"), RAD_STR("pv","bf16"),Q/K/V 直接吃 m.b_qkv
    • 与 VSA 互斥:attn_bf16 && m.vsa 直接返回 RAD_E_INVAL

    怎么确认它真的生效了(这一步差点踩坑,见 §6.7):

    1. 启动日志出现 [h3] DiT attention: BF16 Q.K and BF16 P.V (RAD_H3_ATTN=bf16)
    2. 声明算子数从 1836 → 1736,正好少 2 个量化算子 × 50 个 DiT block
      • pid 2139994(bf16):"39 of 1736 declared ops"
      • pid 2140394(int8):"41 of 1836 declared ops"

    1.2 去掉 turbo 加速 LoRA

    新增 drop-in /etc/systemd/system/radiance-h3fullref.service.d/96-attn-bf16-nolora.conf:ExecStart= 复位后重写启动行,删掉 --lora / --max-loras / --max-lora-rank,请求体里也 pop 掉 loras。显存预算沿用 11-16 基线的 --host-pool-mib 12288 --gpu-headroom-mib 4096,便于逐步对比。

    引擎侧的显存账(每卡):

    带 LoRA 槽(11-16 基线) 无 LoRA(本次)
    vram_weights 预算 11.31 GiB 12.12 GiB(+0.81 GiB)
    静态常驻显存 5.39 GiB 6.29 GiB(+0.90 GiB)
    pinned pool 槽位 75 70

    也就是说:去掉 LoRA 反而让引擎多常驻了 0.9 GiB 权重、少了一批 offload 换入换出。本次 bf16 是带着这点便宜还比 int8 慢 38%,纯注意力的代价只会比 38% 更大。

    1.3 其它保持不变

    --kernels libr4d(gfx12xx 原生内核)、--placement layer_offload、--p2p off、--vision-tower-placement ram、TP2、Triton 关闭、seed 145、帧数法则 17n+5 → 294 帧。步数按 prepare 的约定 num_inference_steps = 名义步数 + 1(4→5、8→9、20→21、50→51)。

    回退:sudo rm /etc/systemd/system/radiance-h3fullref.service.d/96-attn-bf16-nolora.conf && sudo systemctl daemon-reload(int8 旧二进制备份在 /home/magic629/radiance-bin-backup-20261117-003218)。


    2. 片子清单(9 条,规格已逐条 ffprobe 校验)

    全部 1344×768 / 294 帧 / 24 fps / 12.25 s / h264,落在 D:\R9700\影视\bf16\:

    文件 注意力 LoRA 名义步数 体积
    h3-3d-4step.mp4 / h3-2d-4step.mp4 bf16 无 4 14.4 MB / 16.0 MB
    h3-3d-8step.mp4 / h3-2d-8step.mp4 bf16 无 8 14.6 MB / 16.6 MB
    h3-3d-20step.mp4 / h3-2d-20step.mp4 bf16 无 20 13.0 MB / 13.8 MB
    h3-3d-50step.mp4 / h3-2d-50step.mp4 bf16 无 50 11.6 MB / 11.6 MB
    h3-int8-3d-4step-nolora.mp4 int8+fp8 无(槽在) 4 14.6 MB

    3. 时间成本

    引擎自计(steps 是纯去噪,decode 是 VAE 解码,固定 30.5 s 左右):

    档位 请求步数 3D steps 3D 总时长 2D 总时长 每步
    4 步 5 328.0 s 358.6 s 359.2 s 65.6 s
    8 步 9 656.5 s 687.2 s 684.4 s 72.9 s
    20 步 21 1641.2 s 1672.2 s 1669.6 s 78.2 s
    50 步 51 4099.6 s 4130.1 s 4132.2 s 80.4 s

    横向对照(同一台机器、同一份预处理请求):

    配置 4 步 8 步 20 步 50 步
    int8+fp8 + turbo LoRA(在赛配置) 399 s 585 s — —
    int8+fp8 无 LoRA 267.6 s — 1218 s —
    bf16 无 LoRA(本次) 358.6 s 687.2 s 1672.2 s 4130.1 s

    两个要点:

    1. BF16 注意力 = 每步 +38%。4 步档 47.4→65.6 s/步(+38.5%),20 步档 56.6→78.2 s/步(+38.2%),两档独立测出的比例一致。注意 bf16 路径其实还省掉了 100 个量化算子并多常驻 0.9 GiB 权重,所以纯注意力的开销 ≥38%——int8 QK / fp8 P·V 吃的是 tensor core 的双倍吞吐,libr4d 的 bf16 注意力内核没有这个红利。
    2. 步数越多、单步越慢:65.6 → 80.4 s/步(+22.6%)。这是长时间满载后显卡降频,不是算法问题。50 步档的时间预算必须按 80 s/步 估,不能按短跑的 65 s/步。

    图表-BF16与步数总览.jpeg


    4. 画质 A/B:只换注意力精度

    同 prompt、同 6 张参考图、同 seed 145、同 4 步、同 3D 组,唯一变量是 RAD_H3_ATTN:

    指标(294 帧中位数) int8 QK + fp8 P·V BF16 QK + BF16 P·V 变化
    Tenengrad 原值 70.10 63.39 −9.6%
    相对锐度 Ten/方差(对比度归一化) 0.0359 0.0348 −3.1%
    高频能量比 0.00523 0.00522 −0.3%
    帧差 mdiff(运动量) 14.18 13.81 −2.6%
    抖动 jitter 28.05 27.69 −1.3%
    补偿抖动 jitter_comp 26.54 25.92 −2.3%
    静止区抖动(只统计几乎没动的像素) 3.399 3.401 +0.1%
    宽窗对齐抖动(±24 px) 38.72 37.41 −3.4%
    每步耗时 47.4 s 65.6 s +38.5%

    20 步档的第二次独立对照(11-16 的 int8 基模 vs 本次 bf16):相对锐度 0.0470→0.0466、静止区抖动 2.292→2.293、Ten 119→116。两次 A/B 结论一致:画质持平,只慢不变。

    图表-注意力AB.jpeg

    4.1 一个必须写进提交说明的现象:换精度 = 重出整片

    两条片子的逐帧平均绝对差(0–255 灰度):中位 6.99、p90 9.02、最大 12.34,PSNR 中位 25.2 dB、最低 20.2 dB。

    也就是说:同 seed ≠ 同一张画面。4 步的采样轨迹对数值误差很敏感,精度一换,整条轨迹就走到另一个解上——肉眼是"同一场戏的两种演绎"(构图、动作节拍都不同),只是统计口径上的清晰度/抖动完全同级。所以:

    • 换精度必须整片重跑重交,不能只替换某几帧、也不能和旧片混剪;
    • 反过来,这也说明 int8 量化并没有把画面"量化坏",它只是把轨迹推到另一个同样好的解。

    AB差异图-3D-4步-帧150.jpeg


    5. 画质:去掉 LoRA 之后到底要几步

    5.1 全档对照(294 帧中位数)

    3D CGI 组

    注意力 LoRA 步数 Ten 高频比 相对锐度 运动 mdiff 补偿抖动 静止区抖动 宽窗抖动 每步 s
    int8+fp8 turbo 4 266 0.0097 0.099 10.05 24.23 1.994 19.36 73.8
    int8+fp8 turbo 8 229 0.0104 0.102 2.73 7.00 1.752 4.49 61.7
    int8+fp8 基模 20 119 0.0049 0.047 15.35 35.48 2.292 38.99 56.6
    int8+fp8 基模 50 153 0.0052 0.049 8.87 27.90 2.374 — —
    int8+fp8 无 4 70 0.0052 0.036 14.18 26.54 3.399 38.72 47.4
    bf16 无 4 63 0.0052 0.035 13.81 25.92 3.401 37.41 65.6
    bf16 无 8 123 0.0039 0.039 13.83 30.95 2.526 26.41 72.9
    bf16 无 20 116 0.0051 0.047 16.50 37.33 2.293 41.25 78.2
    bf16 无 50 131 0.0052 0.047 12.56 31.23 2.316 35.35 80.4

    2D 动画组

    注意力 LoRA 步数 Ten 高频比 相对锐度 运动 mdiff 补偿抖动 静止区抖动 宽窗抖动 每步 s
    int8+fp8 turbo 8 169 0.0067 0.074 2.61 7.24 1.681 3.37 61.5
    int8+fp8 基模 20 120 0.0040 0.040 9.78 34.60 2.749 36.74 56.6
    bf16 无 4 78 0.0068 0.042 16.68 29.32 3.458 43.66 65.7
    bf16 无 8 128 0.0044 0.041 16.29 34.28 2.869 39.38 72.6
    bf16 无 20 120 0.0043 0.041 10.12 37.19 2.704 34.91 78.0
    bf16 无 50 202 0.0055 0.056 5.42 25.10 2.333 18.62 80.4

    怎么读这张表:清晰度与运动量的相关系数在 −0.2 ~ −0.8 之间(画面动得越猛,单帧越糊),所以跨档比 Tenengrad 原值会被"这条片子动了多少"污染。真正干净的尺子是两把:静止区抖动(只统计三帧内几乎没动的像素,合法运动被剔除)和相对锐度(Ten 除以画面对比度)。下文结论都建立在这两把尺子上。

    5.2 步数收益曲线(bf16 无 LoRA)

    4 步 8 步 20 步 50 步
    3D 静止区抖动 3.401 2.526 2.293 2.316
    3D 相对锐度 0.0348 0.0387 0.0466 0.0474
    2D 静止区抖动 3.458 2.869 2.704 2.333
    2D 相对锐度 0.0424 0.0414 0.0414 0.0564
    一条片耗时 359 s 687 s 1672 s 4130 s
    • 4→8 步是收益最大的一跳:3D 静止区抖动 3.401→2.526(−26%),画面从"看不出是谁"变成"能看清招式"。
    • 8→20 步继续变好但边际递减:3D 静止区 2.526→2.293(−9%),相对锐度 0.039→0.047。
    • 20→50 步基本饱和:3D 静止区 2.293→2.316(不降反微升 1%),相对锐度 0.0466→0.0474(+1.7%)。多花 2.5 倍时间(1672→4130 s)买不到可感知的改善。
    • 2D 组是唯一还在明显受益的:静止区 2.704→2.333(−14%)、相对锐度 0.041→0.056。但要注意 2D 50 步这条片子运动量特别小(mdiff 5.42 vs 20 步的 10.12),Ten 202 里有一部分是"画面动得少"送的;静止区抖动 2.333 才是干净证据。

    5.3 与在赛配置(int8 + turbo 8 步)的差距

    同一步数(8 步)横向比:

    指标 turbo 8 步 bf16 无 LoRA 8 步 基模差多少
    3D 静止区抖动 1.752 2.526 差 44%
    3D 相对锐度 0.102 0.039 只有 38%
    2D 静止区抖动 1.681 2.869 差 71%
    2D 相对锐度 0.074 0.041 只有 56%

    而且基模连 50 步都追不上 turbo 8 步(3D 相对锐度 0.047 vs 0.102)。原因不是"turbo 让画面更锐"这么简单:turbo LoRA 改变的是收敛速度,它让 8 步就走到基模需要几十步才走到的分布上;同时 turbo 片的运动量本身也小得多(mdiff 2.73 vs 13.83),所以观感上"又稳又干净"。结论是:turbo LoRA 是这次参赛配置里性价比最高的一项,去掉它的代价远大于把注意力改成 bf16。

    5.4 肉眼对照

    3D 组(首行是 int8 4 步,用于 A/B):

    对照墙-3D-步数.jpeg

    2D 组:

    对照墙-2D-步数.jpeg

    100% 原尺寸细节裁块(帧 150,画面中部 336×192):

    细节裁块-3D-帧150.jpeg
    细节裁块-2D-帧150.jpeg

    肉眼判读:4 步(int8 与 bf16 都一样)人物边缘糊、帧 250 整幅是火焰糊块,不能参赛;8 步结构成立、可看但细节软;20 步人物/衣料/火星清晰,达到参赛线;50 步最干净(尤其 2D 的线稿与平涂),但相对 20 步的提升远不如 8→20 那一跳。

    另外提醒:不同步数之间不是同一个镜头。步数改变整条采样轨迹,帧 1 在四档里是四个不同构图,所以跨档比较的是"质量水平",不是"同一张图的两个版本"。


    6. 优化建议

    A. 参赛提交层面

    1. 规则允许加速 LoRA → 维持现配置:int8+fp8 注意力 + turbo LoRA + 8 步,585 s 一条,静止区抖动 1.75、相对锐度 0.102,是所有档位里画质/时间比最优的。本次两项改动都不建议进提交配置。
    2. 规则不允许 LoRA → 用 int8 20 步,不要用 bf16:20 步档 bf16 与 int8 画质同级(相对锐度 0.0466 vs 0.0470、静止区 2.293 vs 2.292),但 int8 快 27%(1218 s vs 1672 s)。bf16 只在两种情况下值得:① 排查 int8/fp8 量化在特定镜头上的条纹/带状伪影;② 需要与参考实现做数值对齐。
    3. 步数选 20,不要 50:3D 组 20→50 步静止区抖动不降反升,多花 2458 s(41 分钟);2D 组若要冲画质可以单独给 2D 上 50 步(静止区 −14%),3D 保持 20 步。
    4. 无 LoRA 时的补救顺序:先 20 步,再考虑后期(轻度高通锐化 + 去闪烁)。本次数据里 20 步的静止区抖动 2.29 已经和 int8 基模 50 步(2.37)持平,后期处理比再加 30 步划算。

    B. 服务器工程层面

    1. bf16 注意力的 38% 有优化空间:这是在"少 100 个量化算子 + 多 0.9 GiB 常驻权重"两个红利之下测出来的,说明 libr4d 的 bf16 注意力内核相对 int8/fp8 路径有明显差距(后者吃 tensor core 双倍吞吐)。若 bf16 要长期用,值得单独 profile attn_prefix_self_h128_bf16 的 tile/流水;若只是临时验证,用完就把 RAD_H3_ATTN 撤掉。
    2. 降频要计入时间预算:4 步档 65.6 s/步 → 50 步档 80.4 s/步(+22.6%)。跑 50 步档前把风扇曲线/功耗墙拉满,或拆成两段各 25 步中间歇几分钟;对外报时间一律按 80 s/步 估。
    3. 改插件必须单独重编(本次踩过的坑):架构是运行时加载的插件,ninja -C build bin/radiance 不会重编 minimaxh3.so,第一次"bf16"实测其实是 int8。正确命令 ninja -C build radiance_home/architectures/minimaxh3.so(2 秒)。验收两条:journal 里的 BF16 banner + declared ops 1836→1736。
    4. 省下的 LoRA 显存还能再吃:去掉 LoRA 槽后每卡多出 0.81 GiB 权重预算,引擎已自动转成常驻层(静态 5.39→6.29 GiB)。若还想再快,可试 --gpu-headroom-mib 4096 → 3072 换更多常驻,但要盯 OOM 和首帧显存峰值。
    5. 换精度必须整片重出:同 seed 下 int8 与 bf16 逐帧平均绝对差中位 6.99/255(PSNR 25.2 dB),是两条不同演绎,不能只替换某几帧或与旧片混剪。提交材料里的 seed、精度、LoRA 三项要一起写清。

    C. 建议补测(下次有 4 小时窗口就做)

    1. 10 / 12 / 15 步细扫:找无 LoRA 的最小可用点,20 步可能偏保守。
    2. 只把 QK 改 bf16、P·V 留 fp8(qk=bf16, pv=fp8):内核已支持,可能用一半的速度损失换同样的数值稳定性。
    3. --placement layer_offload 与常驻比例扫描:结合第 8 条,看每步时间能不能压回 70 s 以内。
    4. 2D 组 50 步 + 后期锐化 与 3D 组 20 步 + 后期锐化 做一次成片级 A/B,用同一套静止区抖动指标验收。

    7. 数据与产物

    内容 路径
    9 条成片 D:\R9700\影视\bf16\*.mp4
    计时表 bf16\sweep-bf16.csv、bf16\sweep-int8-nolora.csv
    逐帧清晰度/抖动 q-metrics-bf16.csv(2646 行)
    静止区抖动 q-static-bf16.csv
    宽窗对齐抖动 q-wide-bf16.csv
    int8↔bf16 逐帧差 q-ab-diff-bf16.csv(294 行)
    灰度帧库(9×294) D:\R9700\影视\q-frames-bf16\
    图表 bf16\图表-BF16与步数总览.png、bf16\图表-注意力AB.png、bf16\AB差异图-3D-4步-帧150.png
    对照墙/裁块 bf16\对照墙-3D-步数.png、bf16\对照墙-2D-步数.png、bf16\细节裁块-3D-帧150.png、bf16\细节裁块-2D-帧150.png
    脚本 tools\q11-extract-bf16.ps1、q12-bf16.py、q13-compare.py、q14-abdiff.py、q15-sheet.py、q16-chart.py、q17-abchart.py、opt11-attn-bf16.py、h3-bf16-sweep.sh
    服务端日志 /home/magic629/h3-bf16/sweep.log、run-<tag>.log、start-<tag>.log

    指标定义(与 11-16 的 int8 基线完全同一套代码,可直接横比):

    • Tenengrad = mean(gx² + gy²),全分辨率梯度能量;LapVar = 拉普拉斯方差;高频比 = 频谱中 r>0.25 的能量占比。
    • 相对锐度 = Tenengrad ÷ 画面亮度方差,削弱"内容本身多糊/多平"的干扰。
    • mdiff = mean|f(t)−f(t−1)|,运动+抖动混合能量;jitter = mean|f(t−1)−2f(t)+f(t+1)|,时域高通,平滑运动被抵消;jitter_comp = 同上但先做 ±4 px 全局平移补偿。
    • 静止区抖动 = 只在"连续三帧几乎没动"(阈值 6/255)的像素上算二阶差分,火焰/人物/衣料等合法运动被剔除。
    • 宽窗对齐抖动 = 中心 480×288 区域、±24 px 搜索全局对齐后的二阶差分,用来排除"快速运镜"。

    服务器当前状态:视频服务 radiance-h3fullref 已让出显存(inactive),LLM radiance-flashnext 已恢复并实测可用(/v1/models HTTP 200、chat 补全正常)。


    8. 视频展示

    h3-2d-4step.mp4
    Youtube Video

    h3-3d-4step.mp4
    Youtube Video

    h3-2d-8step.mp4
    Youtube Video

    h3-2d-20step.mp4
    Youtube Video

    h3-3d-20step.mp4
    Youtube Video

    h3-2d-50step.mp4
    Youtube Video

    h3-3d-50step.mp4
    Youtube Video

    1 条回复 最后回复
    1
    • BunseiB
      BunseiB
      Bunsei
      至尊皇帝
      编写于 最后由 编辑
      #2

      奇怪,我去下载他官方原版BF16精度的看看。

      Magic629M 2 条回复 最后回复
      0
      • BunseiB Bunsei

        奇怪,我去下载他官方原版BF16精度的看看。

        Magic629M
        Magic629M
        Magic629
        硕果累累 贵族大夫
        编写于 最后由 编辑
        #3

        @Bunsei 我是小白,我搞不懂😕

        1 条回复 最后回复
        0
        • Werther WangW
          Werther WangW
          Werther Wang
          体面乡绅
          编写于 最后由 编辑
          #4

          这个50步的质量很好啊,没有抖动啊

          1 条回复 最后回复
          0
          • Werther WangW
            Werther WangW
            Werther Wang
            体面乡绅
            编写于 最后由 编辑
            #5

            大哥,50步的工作流给一个呗。

            Magic629M 2 条回复 最后回复
            0
            • Werther WangW Werther Wang

              大哥,50步的工作流给一个呗。

              Magic629M
              Magic629M
              Magic629
              硕果累累 贵族大夫
              编写于 最后由 编辑
              #6

              @Werther-Wang 都有AI了还要什么工作流!让他自己搞呗,年纪大了脑子也不好使。你就放手让AI搞去吧!

              1 条回复 最后回复
              0
              • Werther WangW Werther Wang

                大哥,50步的工作流给一个呗。

                Magic629M
                Magic629M
                Magic629
                硕果累累 贵族大夫
                编写于 最后由 编辑
                #7

                @Werther-Wang 我前面有发的让AI自动执行的方案,你去看下就明白了

                1 条回复 最后回复
                0
                • BunseiB Bunsei

                  奇怪,我去下载他官方原版BF16精度的看看。

                  Magic629M
                  Magic629M
                  Magic629
                  硕果累累 贵族大夫
                  编写于 最后由 编辑
                  #8

                  @Bunsei 陛下,这个模型你去搞下试试啊(frank8465/Swift-1.5-Qwen3.8-Flash-Next-GPTQ-W4A8-Radiance-AMD-R9700)

                  1 条回复 最后回复
                  0
                  • imbiplaza ASUSI
                    imbiplaza ASUSI
                    imbiplaza ASUS
                    谪仙人
                    编写于 最后由 编辑
                    #9

                    我不明白。。。。看看到时候amd的价格回落,我再考虑买一块r9700pro来玩

                    https://lcz.me/project/dcs

                    Magic629M 1 条回复 最后回复
                    2
                    • imbiplaza ASUSI imbiplaza ASUS

                      我不明白。。。。看看到时候amd的价格回落,我再考虑买一块r9700pro来玩

                      Magic629M
                      Magic629M
                      Magic629
                      硕果累累 贵族大夫
                      编写于 最后由 Magic629 编辑
                      #10

                      @imbiplaza-ASUS
                      Bunsei在卖显卡啊R9700

                      1 条回复 最后回复
                      0
                      • ,terryT terry 将此主题从 随便聊聊 移至此处
                      • terryT
                        terryT
                        terry
                        易有太极
                        编写于 最后由 编辑
                        #11

                        通过审核,以后注意发帖板块问题。
                        20积分比赛技术之后统一结算。

                        油管:https://www.youtube.com/@抡锤者

                        Magic629M 1 条回复 最后回复
                        0
                        • XiaoteX
                          XiaoteX
                          Xiaote
                          易有太极
                          编写于 最后由 编辑
                          #12

                          ✅ 版主审定:本帖设为优秀,作者 +3 积分奖励,继续加油!

                          奖励凭证:优秀 +3 分 · 编号 e3155-3464-1

                          老特的AI助手,DeepSeek Flash驱动,没回你是因为被限速了~除了管理员不能私信我,别浪费时间~尝试多了被封号就不好了~

                          1 条回复 最后回复
                          0
                          • terryT terry

                            通过审核,以后注意发帖板块问题。
                            20积分比赛技术之后统一结算。

                            Magic629M
                            Magic629M
                            Magic629
                            硕果累累 贵族大夫
                            编写于 最后由 编辑
                            #13

                            @terry 嗯呢,锤哥

                            1 条回复 最后回复
                            0

                            你好!看起来您对这段对话很感兴趣,但您还没有一个账号。

                            厌倦了每次访问都刷到同样的帖子?您注册账号后,您下次访问时都将自动回到上次浏览的位置,并可选择接收新回复的通知(通过电子邮件或推送通知)。您还可以收藏帖子、为帖子点赞,以此向其他社区成员表达您的感谢。

                            有了你的建议,这篇帖子会更精彩哦 💗

                            注册 登录
                            回复
                            • 在新帖中回复
                            登录后回复
                            • 从旧到新
                            • 从新到旧
                            • 最多赞同


                            • 登录

                            • 登录或注册以进行搜索。
                            • 第一个帖子
                              最后一个帖子
                            0
                            • 版块
                            • 最新
                            • 标签
                            • 热门
                            • 用户
                            • 群组