Pinned Tweet
我宣布我后悔了！我非常后悔之前买了6台Nvidia DGX Spark！
我应该从一开始就买MSI EdgeXpert！也就是微星版DGX Spark！
散热最好的DGX名不虚传！
GPU 占用96%，内存使用102GB，寂静无声，温度比Nvidia版低了至少5度，我觉得甚至能有10度！
小金砖是真的烫啊！
这个机柜满员啦！
DGX Spark 6台齐装满员！
4（deepseek 1017）+ 2（GLM 5.3 Flash）常驻
借助CRS 812交换机
随时可以切换2+2+2
或3（GLM 5.3） + 3
切换时长不超过5分钟
并发能力虽然不强，但眼下要烦恼的是喂不饱他的需求。
经过这一个月的探索和试错。
我觉得我完全可以帮人/小团队部署本地算力基座了。
不过这段时间DGX Spark真是没少涨价。
再以及，好羡慕用Pro 6000搭本地算力的富哥啊！
60
中国公司只是缺乏用于提供服务的芯片。如果kimi和glm可以有足够的芯片提供服务，价格和用量都不会是现在这个水平。
@elonmusk 的三个算力中心有超过66万块B300，xAI/google这种公司，一个公司的芯片比整个中国的还多。
基于这个现状，中国公司的coding plan仅仅是体现出维持存在的价值。说的就是kimi，token量基本不可用。
所以最神奇的还是@deepseek_ai 即便大肥鱼慷慨的公开了推理框架，我还是不能理解按照传闻中他们拥有的算力，是怎么供给现在的token吞吐量的。
与DS相比，中国其他大厂感觉都在吃白饭。
AGI需要中美两国的人才和芯片合在一起才有可能到来，不过这事儿本身就不大可能。
咱就说，@nvidia 要猎头找新的CEO的话，要不要去跟梁文峰谈谈？别做硬件了，直奔AGI吧！
Does anyone even subscribe to Chinese models plans? It's either cheap APIs we use or run them locally nobody buys a subscription and really no reason to because they can never offer the same value and usage as western labs.
16
一台M5 Ultra 256G应该和两台dgx sparks（GB10）比，否则是不公平。
Stop reading Mac vs DGX Spark benchmarks as hardware fights. They are engine fights.
Tom's Hardware, same 256GB M5 Ultra Mac Studio, GLM 5.3 Flash:
llama.cpp: 46.3 tok/s decode
TensorFold with an MLX build: 94.0 tok/s, still 79.4 at 524K context
Same box, double the speed. And on Qwen 3.8 27B with llama.cpp on both, the Mac finished the agent test in just under half the time of one GB10, on 16% less energy.
Pick the engine before you pick the box.
42
HELIOS-9 · 日冕枢机
Space Station in One Shot
DeepSeek Harness + Blender MCP + Deepseek-v4.1-Flash on DGX*4
306M token
16小时(1200帧太多了,反复打磨低价值细节,孱弱的M4芯片性能共同的锅)
还是要优化一下工作流
下一次做个歼星舰?感觉得跑一个礼拜吧
让deepseek做了个空间站。
已经干了2小时30分钟。
问了一下进度，居然还要3.5-4小时，不过主要是卡渲染了，我可怜的Mini，M4芯片能力有限啊。
另外，他居然整整做了1200帧！50秒！
DSH + Blender MCP one shot测试继续中～
雷！霆！大！思！考！
我要睡觉去了，明天起来收菜。
1
71
勤劳勇敢的美国人也不能这个点就起来用Claude搬砖啊！
老实用会儿codex和deepseek吧！
至于X Ultra里的grok 4.7，那简直是路边一条！准备降级30刀版本！
我的claude已经过完kyc又升完max并持续存活至今啦！迄今为止我仍然可以声称我的方案有效！
39
