玩家用 4 张 16GB 显卡搭出本地大模型家庭实验室
HippEMechE · reddit · 2026-07-07
一位 Reddit 用户分享了基于 4 张 16GB 显卡的本地大模型 home lab:主槽 bifurcation 加 PCIe 3.0 x1 转接,跑两个 llama.cpp 实例,部署 Qwen 3.6 推测解码(q4_0,单实例 15 万上下文),实现约 1000 tok/s 的 prompt 处理与 45-60 tok/s 生成。 他用 opencode 搭了后端管理 llama.cpp 与 token 计数,据估算已省下约 60 美元 API 费用。