组件分类	产品名称与规格	数量	单价 (元)	小计 (元)	备注 / 核心用途
显卡+电源	蓝宝石 AMD RADEON RX 7900XTX 白金 + 蓝宝石 1200W 金牌	1	6,498.88	6,498.88	绝对的核心大头，提供 24GB 大显存支撑本地 AI 模型与视频生成
内存	32G DDR3 1866 服务器内存条	4	287.08	1,148.33	4条共 128GB，满足大模型载入与高并发任务需求
显示器	小米（MI）REDMI 27英寸 4K 显示器	1	1,028.88	1,028.88	4K 分辨率，兼顾日常办公与内容创作预览
固态硬盘	致态（ZhiTai）TiPlus7100/Ti600 1TB NVMe M.2	1	852.40	852.40	系统盘与高速缓存盘，长江存储颗粒，速度扎实
主板	华南金牌 X99-TF + E5 2686V4 + A700风扇套装	1	777.99	777.99	极具性价比的多核服务器平台（14核28线程）
机箱	长城（Great Wall）铁幕H503B 铁侧板电脑机箱	1	197.50	197.50	稳固中塔机箱，全铁侧板防辐射
散热周边	4针 PWM 温控机箱风扇*7 + 独立供电集线器（Hub）	1	119.60	119.60	刚加购的散热利器，解决主板接口不足并构建风道
总计	预计总投入金额	-	-	¥10,623.58	全面兼顾高算力与极致性价比

看老特的视频，然后种草，之后就开始研究下单。主打一个低价、量大、管饱。

买这个板子主要是够大，本来想直接上两张9700txt也能顶一张9700pro，所以先预留下一块显卡的位置，

既然是作为服务器，后续我肯定会加载很多服务上去，那么内存就必须要足够，PDD上面找了便宜的内存条顶格买。实践证明炮大模型的时候要用掉40多G的内存。

显卡无敌静音，开机都感觉不到他的存在，直到我为了散热买了7把风扇之后，再也没有过之前的安静，怕噪音的可以打开机箱，风扇真的吵死了。

系统详情报告

---

报告详情

• 生成日期： 2026-06-18 20:38:54

硬件信息：

• 硬件型号： HUANANZHI X99-TF
• 内存： 128.0 GiB
• 处理器： Intel Xeon E5-2686 v4 × 36
• 显卡： AMD Radeon RX 7900 XTX
• 磁盘容量： 1.0 TB

软件信息：

• 固件版本： 5.11
• 操作系统名称： Ubuntu 24.04.4 LTS
• 操作系统内部版本： (null)
• 操作系统类型： 64 位
• GNOME 版本： 46
• 窗口系统： Wayland
• 内核版本： Linux 6.17.0-35-generic

VOXCPM的大模型是N卡的，所以在这里用他走的是CPU通道，这个时候36线程的量大管饱的优势就体现出来了，6秒音频大概4.5分钟左右，这个肯定是被N卡秒杀的，能跑就行，无非就是时间问题。

LTX2.3出图生视频能跑通，1：10的时间消耗。
z-image，15秒一张图，

遇到的问题：
1、安装comfyui的时候，rocm7.2一直转不上，卡在下载文件有6G多，网络一直断，著名搞都不行，现在6.2版本凑合用着。
2、想玩点高级的大模型基本没戏，那些都是N卡的插件，大动作的动画就别想了，除非技术有进步。
3、hermes超级慢

东西是好东西，适合会折腾的朋友玩起来，还好有小B站，买回来我查了一周的资料，才学会该买什么，该怎么安装。感叹社会发展的真快，我前一张显卡还是七彩虹TNT 128M的，之后再也没有玩过组装机了。

吐槽一下系统自带的拼音，超级难用，搜狗拼音还转不上，打错太多字了，大家包含。

这个模型支持多模态，所以日常被我拿来用于工作，速度挺快的，也能持续干活，
Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-IQ4_NL.gguf
启动参数

./llama-cli -m /path/to/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-IQ4_NL.gguf \
  --mmproj /path/to/mmproj-Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-f16.gguf \
  -ngl 99 \
  -c 131072 \
  -fa \
  --batch-size 512 \
  -t 8 \
  --temp 0.7 \
  --repeat-penalty 1.1

本地大模型还是使用Qwen3.6-27B
Qwen3.6-27B-uncensored-abliterated-MTP-i1-IQ4_XS-FFN-IQ3.gguf
模型 Qwen3.6-27B 极速版 启动成功！
——————————————————————————————
服务地址: http://localhost:8080
API端点: http://localhost:8080/v1/
PID: 60463
日志文件: /tmp/llama_server.log
启动参数: -ngl 999 -c 131072 --cache-type-k q4_0 --cache-type-v q4_0 --reasoning off --cont-batching --cache-prompt

说说感受，claude code的体感确实比hermes好很多，无论从速度上还是从友好程度上，断了可以从断的位置直接新开。
hermes我拿来编程，动不动上下文满了，基本进入不了下一步。
能用的时间长一些，唯一不足的是经常显示400,说是调用工具错误，新开一个又能用了。

@艷陽天 对，搭配cc-switch，你想让他聪明点，调用各种工具的话就不能使用越狱版本的，需要用到原版，好像MTP也不能用。不行你就换更大的模型https://lcz.me/topic/792/实测-7900xtx使用qwen3.6-35b-a3b速度稳定在80-t-s

@terry 做总项目调度，调试软件、工作流，等等。

为什么为不照着视频去做呢？所有相关插件装不上，到节点去直接git到本地也没有用，估计还需要等官方发现问题再优化才能使用。

@imbiplaza-ASUS 有了AI，技能平權了

换脸的位置由节点#126控制，想换第几张脸调整数字即可，比如第2个人头，你就输入数字2，传第二个人的照片。也就是你要操作7次。

@Ray-Wang 说:

最后发现是因为显示器接的是HDMI，主板上有个3针跳帽负责切换显示模式。插在AB上面是VGA，把它给换到BC上面屏幕就成功亮了

今天主板到，我也要用HDMI，谢谢提醒，这个问题可能会困扰很多人。

根据AI给我的建议，我是作为服务器存在的，要兼顾多线程

列表主板型号 (档次)	搭配 CPU	内存类型	核心/线程	基础/睿频	价格	核心评语
X99-QD4 (中端大板)	E5-2680 v4	DDR4	14核/28线程	2.4 / 3.3 GHz	446.5元	综合素质最高，供电和扩展性最好
X99-QD4 (中端大板)	E5-2673 v4	DDR4	20核/40线程	2.3 / 3.3 GHz	476元	核心数最多，多开渲染最强
X99-CD4 (中端大板)	E5-2682 v4	DDR4	16核/32线程	2.5 / 3.0 GHz	410元	性价比极高，比 2680v4 多 2 个核
X99-CD4 (中端大板)	E5-2680 v4	DDR4	14核/28线程	2.4 / 3.3 GHz	420元	经典平衡配置，但被上面的 2682v4 背刺
X99-4MF PLUS (小板)	E5-2667 v4	DDR4	8核/16线程	3.2 / 3.6 GHz	490元	主频最高（单核强），但主板太小
X99-4MF PLUS (小板)	E5-2680 v4	DDR4	14核/28线程	2.4 / 3.3 GHz	390元	全场最便宜，但小板带不动双大显卡
X99-4MT PLUS (缩水板)	E5-2673 v3	DDR4	12核/24线程	2.4 / 3.2 GHz	416元	没必要选老 V3 架构
X99-4MT PLUS (缩水板)	E5-2678 v3	DDR4	12核/24线程	2.5 / 3.3 GHz	475元	没必要选老 V3 架构
X99-4MT PLUS (缩水板)	E5-2666 v3	DDR4	10核/20线程	2.9 / 3.5 GHz	515元	价格虚高，完全不推荐
X99-CD3 (D3专用板)	E5-2686 v4	DDR3	18核/36线程	2.3 / 3.0 GHz	520元	直接淘汰（只能用慢速 DDR3）
X99-CD3 (D3专用板)	E5-2666 v3	DDR3	10核/20线程	2.9 / 3.5 GHz	545元	直接淘汰（只能用慢速 DDR3）
X99-CD3 (D3专用板)	E5-2673 v3	DDR3	12核/24线程	2.4 / 3.2 GHz	446元	直接淘汰（只能用慢速 DDR3）

先看版本区别，再看实测结论

好消息，
╭─ ⚕ Hermes ──────────────────────────────────────────────────────────────────────────────────────────────╮
    ✅ GPU 加速 VoxCPM 确认成功！
    
    ComfyUI 环境的 PyTorch (ROCm) 成功加载 VoxCPM2 到 7900 XTX GPU（bfloat16）。
╰─────────────────────────────────────────────────────────────────────────────────────────────────────────╯

直接调用ComfyUI-VoxCPM 功能可以实现GPU加速，已经切换。

╭─ ⚕ Hermes ──────────────────────────────────────────────────────────────────────────────────────────────╮
    GPU VoxCPM 结果 🚀
    
    | 操作       | CPU (SSH)       | GPU (ROCm)   | 提速 |
    |------------|-----------------|--------------|------|
    | 模型加载   | ~85s (首次 JIT) | ~8.5s (后续) | 10x  |
    | 短文本生成 | ~30s            | ~8.5s        | 3.5x |
    | 长文本生成 | ~90s            | ~15s         | 6x   |
    
    模型已缓存，后续 pipeline 调用只需每次 ~8-15 秒 GPU 生成。
╰─────────────────────────────────────────────────────────────────────────────────────────────────────────╯

是我一开始就没有注意环境问题，我最开始安装的版本是默认的，
PyTorch2.12+cu130，这个版本是找cuda，没有就会用CPU;

正确的做法是新建虚拟环境的时候，要告诉AI，直接装 PyTorch2.5.1+ ROCm6.2 的模式，这个模式才会认7900TXT的GPU ，我一开始也觉得不对，但是不知道哪里不对，锤哥指点之后终于发现了问题，改正了效率大大提升。

本来买回来新机器特别兴奋，折腾了一周把心搞累了。说说难受的地方，comfyui好多节点他不支持啊，在n卡下面分分钟能做的工作流，到了这边不是插件不能用，就是发生了偏移，对于我这个小白来说实在难受。好就好在，目前生成数字人终于能跑通了，想尝试其他更加高难度点的行为控制就有点难了。