作者waitrop (嘴炮无双)
看板PC_Shopping
标题Re: [开箱] ASUS Ascent GX10 开箱文
时间Mon Jun 8 07:45:13 2026
※ 引述《waitrop (嘴炮无双)》之铭言：
: ASUS Ascent GX10, 2TB
: 到 asus 美国官网买的,
: 原本想买 mac studio m5 256gb,
: 但是缺货延後到年底发行,
: 而且我觉得很可能会因应记忆体短缺跟圣诞行情,
: 而把记忆体跟CPU先挪给手机跟笔电,
: 所以我等到都怀疑今年不会有mac studio 256gb,
: 甚至明年都不见得会上市
: 所以这台GB10 是全世界市场上唯一能跑本地大模型的家机,
: 所以我就买了这台, 在他变缺货之前,
: 而且这台也比mac studio 便宜,
: 当然,
: 贵不是他的问题, 是我的问题
: 正版开箱文,
: 就三张图, 真的开箱插电就结束了,
: https://imgur.com/orCpvIJ
: https://imgur.com/CZnNfHw
: https://imgur.com/rLYXacD
: 剩下来的都是软体安装操作写程式等等的事情,
: 下面再开另外一篇继续接着说安装操作跟debug的部分,
: 这部分才是最痛苦的地方
: 什麽? 你要看的开箱文开箱图不是这些?
: 我懂了,
: 现在流行 AI 示意图,
: 那我就给几张 ASUS Ascent GX10 开箱 示意图,
: 就是用这台ASUS Ascent GX10 搭配不同模型画出来的示意图
: Z-Image-Turbo: 12G, z-image-turbo-BF16.gguf
: https://imgur.com/nwHPMoY
: https://imgur.com/NAiuHbW
: Flux1.0: 23G, flux1-dev.safetensors
: https://imgur.com/1IwDK7t
: AuraFlow (v0.3): 16G, aura_flow_0.3.safetensors
: https://imgur.com/iFFFD7P
原本不想再写"软体安装操作"这段,
因为这段很烦也很痛苦,
再写一次就是在折磨一次,
但是看到大家的推文,
我觉得我需要出来推广一下 Linux and MacOS,
这个AI 时代,
你必须拥抱 Linux and MacOS,
其实作业系统现在都长得差不多,
真的不需要一定要绑在Windows,
我从大学开始,
必须适应各种作业系统工作,
最夸张的一次是要求我用Chromebook 写程式,
这段黑历史就不多说了,
没关系没背景的社畜,
是连电脑跟作业系统的选择权都没有
回到AI 开发与应用环境,
强烈建议使用Gemini + Nvidia GPU (CUDA) + Linux or MacOS,
因为所有的问题跟答案都可以问Gemini,
我这次所有的AI 开发环境以及side project,
全都是问Gemini 得到答案,
十年前我自学DeepLearning 跟 CUDA的时候,
必须自己去爬讨论区文章,
还有数千页的技术文件,
遇到没有解答,
还要自己写程式patch
现在情况好多了,
不需要去爬讨论区问大神,
也不需要读数千页技术文件,
直接问Gemini, 还能贴图问问题,
然後Linux and MacOS 的opensource 环境也好多了,
几乎所有的solution 都有 opensource,
你只要一路pip install, apt install,
就完成了
现在几乎所有的AI ML solution,
都是架构在CUDA, Linux MacOS opensource,
如果你选择ROCm+Windows,
你会遇到非常多问题而且无解,
甚至要跟我十年前一样, 自己写patch之类的,
回到这台ASUS Ascent GX10 软体安装的部分,
好处是大部分的驱动程式跟工具都已经装上了,
Ollama 直接 pip install 就能用,
这边遇到两个问题:
1. Container support:
原本Gemini 要炫技,
要用container 跑ollama,
结果被打脸,
container 认不出GB10 GPU, 没有driver,
只能使用本机预设安装的driver,
跑 ollama 在本机上,
这是perf output,
可以看到模型完全跑在CPU上面, GPU的loading 0
https://imgur.com/nBzMKFO
2. Ollama 大模型记忆体的额外设定,
Ollama 预设没想过会有VRAM超过72GB,
所以Ollama 预设最高只能塞进去72GBVRAM 给 GB10 GPU,
所以会看到GPU跑起来, CPU loading 也降下来,
但是perf 卡在memory swapping,
https://imgur.com/hfe4sVB
https://imgur.com/ZhP4pFp
把Ollama 的VRAM 打开到最大,
可以看到GB10 VRAM 跑到83GB, GPU 使用率到96%, 稳了!
https://imgur.com/yCX0fK2
CPU 也降下来了
https://imgur.com/Ede5K8C
有了 Ollama,
我可以跑Qwen2.5-72B 大模型,
当个起点网文小说家,
有文章之後, 当然就要有图,
一样问Gemini,
安装ComfyUI 一路pip install, 就做完了,
但是这里又遇到一些问题:
1. Pytorch 认不得GB10
https://imgur.com/MoOT7hx
https://imgur.com/3ojtoH3
2. 解决方法,
下载最新的nvidia container,
里头有最新的gb10 driver,
然後再从这个nvidia container 里头把pytorch 删掉重新编译,
之後ComfyUI就跑起来了,
下载我前面说的那三个画图模型,
问Gemini 怎麽布置ComfyUI 画布,
然後小镇小画家就完成了
下一步, 我正在建立小镇射瘾师 跟 小镇AV导演,
完成了之後有空再来分享
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 76.103.225.6 (美国)
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/PC_Shopping/M.1780875915.A.E94.html
1F：→ sinclaireche: 现在无脑装应用是会被供应链攻击的 112.104.98.169 06/08 07:51
2F：→ crimsonmoon9: GB10没有新到image没driver吧 223.139.112.30 06/08 08:00
3F：推 saito2190: 你的container run time没有改成NV吧 1.161.160.164 06/08 08:03
真的没有,
我抓的是ollama的container, 真的没有支援gb10
※ 编辑: waitrop (76.103.225.6 美国), 06/08/2026 08:04:53
4F：→ saito2190: 虽然ollama快速开箱就能用，但是你会 1.161.160.164 06/08 08:04
5F：→ saito2190: 发现他其实超级难用，一堆设定都不能 1.161.160.164 06/08 08:04
6F：→ saito2190: 调，建议尽早改用vllm或llama.cpp 1.161.160.164 06/08 08:04
7F：→ crimsonmoon9: 由於我要打瓦所以GB10被我丢进机柜 223.139.112.30 06/08 08:05
8F：→ crimsonmoon9: 只用来开endpoint在Windows上用 223.139.112.30 06/08 08:05
9F：→ crimsonmoon9: 结论 万恶拳头 223.139.112.30 06/08 08:05
10F：→ crimsonmoon9: 容器需要额外装ctk 可能缺这个 223.139.112.30 06/08 08:06
11F：推 saito2190: 如果原PO比较懒得调参数，有个网站可 1.161.160.164 06/08 08:09
12F：→ saito2190: 以直接抄 spark-arena.com 里面都是fo 1.161.160.164 06/08 08:09
13F：→ saito2190: r GB10能直接抄了去用的RECIPE 1.161.160.164 06/08 08:09
14F：→ saito2190: 单人Agent使用我推Qwen3.5 122B NVFP4 1.161.160.164 06/08 08:09
15F：→ saito2190: 多人的话就3.6 35B FP8或NVFP4都行 1.161.160.164 06/08 08:09
16F：推 L4D3: 装wsl就好了啊 223.141.61.145 06/08 08:15
17F：→ sinclaireche: 远离Windows 11 104.28.160.169 06/08 08:28
18F：→ sinclaireche: ollama 不实用 104.28.160.169 06/08 08:29
19F：→ pc0805: 听人家说ollama很烂的样子，用llama.cpp 223.136.72.24 06/08 08:44
20F：→ pc0805: 比较好 223.136.72.24 06/08 08:44
21F：推 SHR4587: 一般人去用Linux只会干干叫而已==111.248.116.162 06/08 08:50
22F：→ SHR4587: 说没差很多是因为你有相关知识可以很轻松111.248.116.162 06/08 08:50
23F：→ SHR4587: 上手，不要说电脑小白，没有程式背景111.248.116.162 06/08 08:51
24F：→ SHR4587: 的去用学习成本会满高的111.248.116.162 06/08 08:51
25F：→ SHR4587: 至於你说AI时代也不是所有人有需求去部属111.248.116.162 06/08 08:52
26F：→ SHR4587: 本机LLM吧，有这个需求当然会自己去找111.248.116.162 06/08 08:52
27F：→ SHR4587: Linux跟MacOS111.248.116.162 06/08 08:52
28F：推 sdbb: Tpu:为何不用自己亲生的？ 111.251.69.106 06/08 08:56
又不对外卖, 我在家做side project没有tpu可以用,
得过两次tech impact awards,
公司送我两张tpu 卡当成奖牌,
但是我很怀疑这两张可能无法开机,
我不想让家里爆炸起火
29F：→ spfy: ollama优点就就是装了即用吧 但也就这样 114.136.78.254 06/08 08:59
30F：推 s78513221: 我觉得是Token成本跟审查的问题 111.71.100.198 06/08 09:03
31F：→ s78513221: 如果用到超出现有订阅制的上限或边界 111.71.100.198 06/08 09:03
32F：→ s78513221: 那麽本机LLM就有他的必要性了 111.71.100.198 06/08 09:03
33F：推 eddy13: 你都建议大家要用Linux了，怎麽还会想用o114.137.107.127 06/08 09:06
34F：→ eddy13: llama呀？114.137.107.127 06/08 09:06
35F：→ sinclaireche: 投入成本跑云端同级模型可以好几年 104.28.159.154 06/08 09:28
36F：→ sinclaireche: 只有要绕过安全性边界或机密的需求 104.28.159.154 06/08 09:29
37F：→ sinclaireche: Token 成本是不会比云端便宜的 104.28.159.154 06/08 09:30
我的gemini api toke 一个月三四百块美金,
这都已经是我最保守最便宜的用法,
我没搞tokenmaxx 那套,
我非常非常省着用token,
微软语音一个月$50美金,
最贵的是kling 动画制作,
一个月要两百块以上,
只是平均每天三分钟的动画制作而已
加起来一个月五百块token费用,
所以本地LLM 省一半的token 就划算了,
一个月省250美元, 很合理吧,
一年就省三千美金,
这台我准备用四五年以上,
更何况可以绕过安全边界,
我的ptt 鬼故事短片一直被gemini 拒绝生成
※ 编辑: waitrop (76.103.225.6 美国), 06/08/2026 09:34:59
※ 编辑: waitrop (76.103.225.6 美国), 06/08/2026 09:39:44
38F：→ iceyang: 答应我 别做酱板鸭 61.224.172.211 06/08 09:47
39F：推 bizer: 要做酱板鸭这台会跑到睡着，哈 1.160.179.71 06/08 09:59
40F：嘘 are2: rocm+windows好像没有你麻烦喔 42.70.110.33 06/08 10:02
41F：→ are2: 看只搞个ollama就这样多折腾了 42.70.110.33 06/08 10:03
42F：→ are2: 你目前装这些离linux的精髓还差得远 42.70.110.33 06/08 10:09
43F：推 newyorker54: 我一开始也是用ollama, 後来也是乖乖 140.116.98.195 06/08 10:12
44F：→ newyorker54: 投向llama.cpp 140.116.98.195 06/08 10:12
45F：→ newyorker54: 单人使用llama.cpp又比vllm好用 140.116.98.195 06/08 10:12
46F：推 amos30627: 我看厉害的都不用ollama欸 101.8.129.50 06/08 10:15
47F：→ amos30627: 我现在就是windows用ollama 虽装即用 101.8.129.50 06/08 10:18
48F：→ amos30627: 超级简单 101.8.129.50 06/08 10:18
这些都只是工具而已,
哪有什麽厉害不厉害的,
模型可能有影响,
其他连模型都称不上的工具,
哪有什麽差别,
重点根本不是在这些工具上面,
只是一次安装很烦
※ 编辑: waitrop (76.103.225.6 美国), 06/08/2026 10:21:31
49F：→ soulgem: 买 DGX spark 那本书翻第一页 ClaudeCode 140.112.30.184 06/08 10:21
50F：→ soulgem: 直接昏倒... 140.112.30.184 06/08 10:21
51F：推 sdbb: Tqqq の王要做的事，ollama 可能无法满足 111.251.69.106 06/08 10:22
52F：→ soulgem: Windows用lmstudio，linux才走ollama。 140.112.30.184 06/08 10:22
53F：→ soulgem: 今天才开始跟 Hermes desktop 但也吓到了 140.112.30.184 06/08 10:26
54F：嘘 are2: windows用wsl2+doccker装啥都行118.150.170.141 06/08 10:40
55F：→ are2: 但要用windows就别折腾本地AI了 OS太烂118.150.170.141 06/08 10:41
56F：推 CardLin: 我目前订gpt-5.4-mini for Hermes Agent 111.243.9.138 06/08 10:53
57F：→ CardLin: 搭配订阅 AntiGravity for Hermes Coding 111.243.9.138 06/08 10:54
58F：→ CardLin: Hermes 会自动呼叫 agy 命令去写程式 111.243.9.138 06/08 10:55
59F：→ CardLin: 我想问原PO是甚麽因素不用订阅的就好？ 111.243.9.138 06/08 10:55
60F：→ CardLin: 除了鬼故事被禁止，订多个平台也比较便宜 111.243.9.138 06/08 10:56
我已经说过原因了,
我一直都用订阅的, 你搞错了,
我的prototype 就是用我手上的七年旧笔电跟mac mini 做出来的,
用各个平台的token 订阅,
我用gemini api 生成文字剧情故事,
还有用香蕉2.0 api画图,
用微软语音生成声音,
再用kling 把图转动画,
全部订阅没有本地LLM,
一个月500美金,
原因就是想省一半的token 钱,
还有鬼故事被禁止到根本没什麽鬼故事可以生成,
还有我想做ai 界的onlyfans
※ 编辑: waitrop (76.103.225.6 美国), 06/08/2026 11:03:23
61F：推 CardLin: 另一个问题是GX10速度能媲美API的速度吗? 111.243.9.138 06/08 11:01
※ 编辑: waitrop (76.103.225.6 美国), 06/08/2026 11:03:59
62F：推 Shian1225: NV边缘运算开发的从业人员路过，跟Jet 42.79.40.85 06/08 11:04
63F：→ Shian1225: son系列比，GB10的文件已经相对完善了 42.79.40.85 06/08 11:04
64F：→ Shian1225: ，只是AI的回答常会混用x86的解答，NV 42.79.40.85 06/08 11:04
65F：→ Shian1225: 有整理几个常用LLM推理後端的应用流程 42.79.40.85 06/08 11:04
66F：→ Shian1225: ，桌面捷径跟手册里应该都有连结： 42.79.40.85 06/08 11:04
68F：推 nrsair: 技术和AI 49.217.123.245 06/08 11:08
69F：推 CardLin: 谢谢回覆，那请问GX10速度会不会很慢，最 111.243.9.138 06/08 11:10
70F：→ CardLin: 终导致觉得速度太慢不好用?? 111.243.9.138 06/08 11:11
71F：→ CardLin: 我测过RTX4070TiS跑gpt-oss-20b就觉得慢 111.243.9.138 06/08 11:11
我把速度跟效能方面说清楚:
1. Gemini 最快, 无敌快,
生成文章大概几秒,
生图甚至不到一秒
2. 本地ollama 生成文章慢,
跟模型大小有关,
同样文章大小, Gemini 几秒钟,
qwen3.6-35B local 十几分钟,
qwen2.5-72B local 三十几分钟, 偶而还会timeout
3. 本地ComfyUI 生成图:
一张图大概一分钟上下
但是, 就是这个但是,
整个流程最花时间的不是这部分,
最花时间的是影片部分,
kling 一个影片request大概3-5秒的影片长度,
但是需要2-5分钟,
所以生成3分钟的短片,
kling 需要一小时左右的生成时间,
会生成30-60的小档案mp4,
然後再把这些小档案串成一个三分钟的mp4档案
如果不走kling流程,
像鬼故事都被kling拒绝,
只能走静态图片流程,
就是你常在youtube看到的长辈图转成长辈影片那种类型,
这个又是几小时起跳的生成时间,
所以整个效能的问题是卡在影片生成部分,
当然这跟我的炼丹炉太老旧有关,
原本想买mac studio 256gb 就是想可以顺便解决生成影片的问题
※ 编辑: waitrop (76.103.225.6 美国), 06/08/2026 11:28:50
72F：→ sinclaireche: 模型等级差那麽多也要直接这样比？ 101.12.129.223 06/08 11:31
73F：推 newyorker54: reddit 有人说mac studio更慢 140.116.98.195 06/08 11:31
74F：→ sinclaireche: 生图和影片是GB10快 101.12.129.223 06/08 11:33
75F：→ sinclaireche: 最佳化的部分原Po可以多花点时间 101.12.129.223 06/08 11:34
76F：→ sinclaireche: 懒得设定不要用本地 101.12.129.223 06/08 11:34
77F：→ newyorker54: 生成文章一般都是一到两分钟，会不会 140.116.98.195 06/08 11:35
78F：→ newyorker54: 是设定的问题，建议改llama-server 140.116.98.195 06/08 11:35
79F：→ newyorker54: 启动，只要参数设好当成模板，每次启 140.116.98.195 06/08 11:35
80F：→ newyorker54: 动就是复制贴上不会太麻烦 140.116.98.195 06/08 11:35
81F：推 CardLin: 我之前电脑跑过 ollama 是觉得异常的慢 111.243.9.138 06/08 11:36
82F：→ CardLin: 原PO可以测一下 llama.cpp 或 vLLM 111.243.9.138 06/08 11:38
83F：→ newyorker54: 生成文章十几分钟真的太慢35B大小的 140.116.98.195 06/08 11:38
84F：→ newyorker54: 模型吃不了128gb那麽多，记忆体绰绰 140.116.98.195 06/08 11:39
85F：→ newyorker54: 有余，理论上纯文字用不到两分钟，用 140.116.98.195 06/08 11:39
86F：→ newyorker54: Hermes cli速度更快功能也更完整 140.116.98.195 06/08 11:39
87F：→ sinclaireche: 会这麽慢通常是只用到cpu 104.28.156.240 06/08 11:39
我有空再来试试其他的工具像是llama.cpp 或 vLLM,
但是这真的不是我的流程最花时间的一块,
其实没那麽严重,
最花时间的是生成影片
我一般thinking 就要花3-5分钟,
然後每秒钟生成10-15个中文字,
2500个中文字数的文章大概需要花3-5分钟,
这是用qwen3.6-35B去估算
cpu 更慢, 我可以感觉出来,
一开始跑没有跑在GPU上面的时候,
一秒钟大概1-5个中文字
88F：→ newyorker54: GB10是套装机环境相对单纯，Llama， 140.116.98.195 06/08 11:41
89F：→ newyorker54: 或vllm都不会太难 140.116.98.195 06/08 11:41
90F：→ newyorker54: @sinclaireche 我也是这麽觉得 140.116.98.195 06/08 11:41
91F：→ sinclaireche: 云端旗舰模型的速度跟品质都大胜 104.28.156.240 06/08 11:44
92F：→ sinclaireche: 价格没差很多 104.28.156.240 06/08 11:44
93F：→ sinclaireche: 一台GB10能跑的模型远比云端同等级 104.28.156.240 06/08 11:44
94F：→ sinclaireche: 模型价格贵 104.28.156.240 06/08 11:44
95F：→ crimsonmoon9: 云端本地各有各的好 但是如果目的是 223.139.158.54 06/08 11:45
96F：→ crimsonmoon9: 想改用本地省订阅费那是不划算没错 223.139.158.54 06/08 11:45
的确云端模型的速度跟品质都大胜GB10,
但是我不在乎速度,
我的挂机agent 根本不在乎速度,
真正的速度瓶颈也不是在这些地方,
是在影片生成那部分
所以如果我愿意用时间速度去换取省下来的钱,
那就划算了,
我现在的做法是: 重点部位用云端模型,
不重要的地方,
用本地LLM 慢慢生成,
品质差点没关系,
你片子会从头看到尾吗?
还不都是拉一拉, 看重点几分钟而已
※ 编辑: waitrop (76.103.225.6 美国), 06/08/2026 11:53:01
97F：推 eddy13: 慢成这样一定有问题114.137.107.127 06/08 11:53
※ 编辑: waitrop (76.103.225.6 美国), 06/08/2026 11:57:07
※ 编辑: waitrop (76.103.225.6 美国), 06/08/2026 11:58:39
98F：→ sinclaireche: 产影片要快不如买一张好一点的卡 104.28.156.240 06/08 12:00
99F：→ sinclaireche: 这台优点是RAM 104.28.156.240 06/08 12:00
100F：→ sinclaireche: 除了RAM大以外 速度很惨 104.28.156.240 06/08 12:00
101F：→ YouCantGetME: 如果没AWS跟Jetson垫好几年arm基础 125.228.92.1 06/08 12:05
102F：→ YouCantGetME: 大概要多一年到现在的"堪用"程度 125.228.92.1 06/08 12:07
103F：推 yenchieh1102: 坐等导演 49.216.48.150 06/08 12:11
104F：推 CardLin: 蛮想看GB10的影片成品可以作到怎样的程度 111.243.9.138 06/08 12:22
105F：→ saito2190: 要说速度肯定是跑不快，GB10用LPDDR5x114.137.164.229 06/08 12:55
106F：→ saito2190: 频宽完全比不上GDDR7，Qwen 3.6 35B-A114.137.164.229 06/08 12:55
107F：→ saito2190: 3B的模型我自己调到最快大概66 token/114.137.164.229 06/08 12:55
108F：→ saito2190: s (单request)114.137.164.229 06/08 12:55
109F：→ saito2190: 如果你影片生成的时候ollama没关掉，114.137.164.229 06/08 12:57
110F：→ saito2190: 那有可能是慢在uni-RAM爆掉，然後一直114.137.164.229 06/08 12:57
111F：→ saito2190: 跟硬碟SWAP的结果，这台是统一记忆体114.137.164.229 06/08 12:57
112F：→ saito2190: ，特别容易爆掉114.137.164.229 06/08 12:57
113F：→ ganei: 这东西记忆体频宽只有两百多，不用想像得太 42.79.148.56 06/08 13:16
114F：→ ganei: 美好，重点是能跑，没了。真的要懒乾脆用LM 42.79.148.56 06/08 13:16
115F：→ ganei: studio 算了，还能无痛接Claude code让你 42.79.148.56 06/08 13:16
116F：→ ganei: 享受本地端狂烧token 的快感 42.79.148.56 06/08 13:16
我前面已经说了,
影片生成有两个部分,
AI 的 i2v 生成是靠kling API, 跟GPU 无关,
一个request 3-5秒需要3-5分钟,
静态图片转影片是靠七年旧的 mac mini 用ffmpeg 去转
所以跟GB10 完全无关,
我现在正在做的事情就是想把kling API 那块转到本地的GB10 i2v 生成,
慢没关系,
因为kling 已经够慢,
我的mac mini ffmpeg 也慢到哭爸
※ 编辑: waitrop (76.103.225.6 美国), 06/08/2026 13:25:00
117F：→ pomar222: 如果要用wan之类的生影片，建议要去优 182.233.123.35 06/08 14:12
118F：→ pomar222: 化记忆体路径，统一记忆体PyTorch没有优 182.233.123.35 06/08 14:12
119F：→ pomar222: 化，会浪费不少时间 182.233.123.35 06/08 14:12
120F：推 bizer: Gb10好玩的是可以玩cluster去搞各种优化， 114.137.216.53 06/08 15:35
121F：→ bizer: 某些情况多台台Gb10能比得上rtx6000 pro， 114.137.216.53 06/08 15:35
122F：→ bizer: 但对某些人来说不是玩而是被搞 114.137.216.53 06/08 15:35
123F：推 pomar222: 是啊尤其是那个connect x7配nccl到处玩 182.233.123.35 06/08 17:33
124F：→ pomar222: ，效率暴涨 182.233.123.35 06/08 17:33
125F：推 yymeow: GX10不用switch的话最多就是三台堆叠 60.250.130.216 06/08 18:03
126F：→ yymeow: 更多台就要张罗QSFP 400Gb的swicth，那东 60.250.130.216 06/08 18:09
127F：→ yymeow: 西可不便宜 60.250.130.216 06/08 18:09
128F：→ bbsman: Llama.cpp真的好用 114.140.89.68 06/08 18:17
129F：推 alvinlin: 没人关注美女图180.177.212.126 06/08 18:34
130F：→ spfy: 因为这里是电瞎 便宜的记忆体和显卡比正妹 114.136.78.254 06/08 18:59
131F：→ spfy: 图更能引起注意 114.136.78.254 06/08 18:59
132F：推 pomar222: 至於推论叠多机需要自己debug，官方跟废 101.10.246.35 06/08 19:37
133F：→ pomar222: 物一样，要靠社群跟自己打patch，目前四 101.10.246.35 06/08 19:37
134F：→ pomar222: 台tp推论能动了 101.10.246.35 06/08 19:37
135F：→ sachialanlus: 关键字 ollama 124.9.0.218 06/08 20:08
136F：推 birdc: pomar大，4台stacking是串成ring吗? 122.116.228.38 06/09 00:09
137F：推 pomar222: 串成ring，tree没成功过，跟codex好好磨 182.233.123.35 06/09 00:13
138F：→ pomar222: ，迟早绕出来 182.233.123.35 06/09 00:13
139F：推 stlinman: 推荐用lama.cpp更新比较快啊!150.116.129.113 06/09 13:07
140F：推 stlinman: 另外推荐，PTT 有 AI_Art 可以讨论150.116.129.113 06/09 13:14
141F：推 pomar222: 不知道是不是标错价gx10 gb10这台补货1t 182.233.123.35 06/09 21:49
142F：→ pomar222: b版本在pchome已经到175900了 182.233.123.35 06/09 21:49
143F：→ slein: 感觉是真的涨价，之前听到代理商说要调涨 59.115.155.59 06/09 23:23
144F：→ slein: ，但应该是七月後，六月维持售价但不补货 59.115.155.59 06/09 23:23
145F：→ slein: 。看来是之前的货批都出完了 59.115.155.59 06/09 23:23
146F：→ waitrop: 我买2tb版，3999 104.133.198.40 06/10 00:55
147F：推 Baternest: 目前单台GB10能跑的最佳模型可以Google118.163.110.208 06/10 14:55
148F：→ Baternest: DGX_Spark_Qwen3.5-122B-A10B-AR-INT4118.163.110.208 06/10 14:55
149F：推 bizer: 本来要买机台的看到涨成这样又缩了 1.160.179.71 06/11 20:42
150F：推 pomar222: 是啊，原本想说可以更稳定後，再买四台 182.233.123.35 06/11 21:12
151F：→ pomar222: ，现在笑死人了，等ai泡沫炸掉在入手好 182.233.123.35 06/11 21:12
152F：→ pomar222: 了 182.233.123.35 06/11 21:12