@wt0210 #17 我国外带回来的，也没保修，还是自用了。

还有一张也出掉了。

有预算就买咯，现在显卡从来就没有什么好时机了。真要说好时机，那现在是买 750ti 的好时机。

跑 AI 也看跑什么，推理还是微调还是训练？需要多大显存建议先了解清楚。如果啥都不知道，那开局玩一玩 4090 24g 也够了，足够 stable diffusion 、whisper 还有 kaggle 上打个比赛玩了。至于大模型本地推理，对于大部分人来说没有意义，简单的就是双 3090 足够跑 70b llama 推理。楼上说 4090 慢，那是因为显存小去跑 cpu 和内存了，中间还要经过 pcie ，当然慢了。

不要听他们说多张 4060ti ，整个 40 系列都不支持 NVLINK 互联，带宽就寄了，为什么不去买两张 3090 组 nvlink 呢，即使是阉割过的 nvlink 。当然多卡对主板有很高的要求，你要兼顾家用游戏，那就不要折腾这个。

综上，有预算就买 4090 ，没预算就在 40 系往下推。不要去折腾多卡。

我手上一张 4090 12 月买回来没拆封过。。

这个还比较清爽，打开 edge 才知道什么叫广告

@oneisall8955 是逆天的那种深刻吗

readme 有个付费咨询蚌埠住了。

但是翻了翻“博客”发现一堆“给师弟师妹开发”的换皮管理系统。这算啥，代写赚钱？

@Alias4ck https://github.com/TristanBilot/mlx-benchmark

看见过，但是这个成绩我觉得可用性很差

楼上有些离谱的。

在职、转型的就不要从 machine learning 开始看了。看 deep learning 甚至看看现成 api docs 才是正确的。。

老老实实当调包侠...

为啥我感觉很便宜呢？

核显有用啊，解码加速、串流，独显挂掉还能亮机 debug 。13600k 纠结一下还行，都 14900k 了不差这点了。

@coinbase #9 你别拉到最后看结果啊。4090 慢的原因是超显存了，结果就是需要过 pcie 过 cpu 过内存。
事实上 70b 的 llama 完全可以用两块 3090 组 nvlink ，你看还慢不慢？

买 apple silicon 的结果就是，除了围绕 llama.cpp 做文章，干其他事的可用性对比 cuda 约等于 0 。

我觉得速度快是不是可能，有一部分原因是，没完全开放使用。。

这只是对于一部分 LLM ，可能 apple silicon 显得非常有性价比。

但是对于 SD ，SVD 等任务来说就不是这么一回事了。可用性并不高。