不是商單，可以放心看
-
WHAT'S UP！歡迎來到和微論件！
兄弟們最近上網應該經常聽到codex（略微有點古早）deepseekharness（DSH）或者workbuddy這類詞語，或者skill RAG LORA這些詞彙，如果麼有的話，那該去補課啦，這些東西正在快速重塑我們的生活
自從GPT這枚核彈問世以來，大家以前查百度的習慣估計已經換成去問豆包這類LLM模型了，這類模型的缺點就是隻能告訴你怎麼做，但不能真的幫你去做，並且偶爾會有流口水現象，像是一個不太穩定的搜索引擎
而現在隨着AI agent的問世，已經演變成可以自己操作電腦，給自己裝插件的智能體，不需要懂代碼，只要對着他“許願”，他就能給你幹活（當然，首先你要有Token），從這個迭代速度還是很快的，也許我們真的離AGI不遠了
既然token是需要花錢的，也不可能真的去買十張H200本地跑AI，那有沒有那種家用級的，可以裝智力不錯的模型的，成本不要太貴，比充API划算的顯卡呢，有的，他就是今天的主角——瀚鎧AI PRO R9700
先看一眼外觀，一眼看上去，就如同一眼上去一樣，它是一張渦輪卡，比較適合多卡工況，268 × 112 × 40mm的小巧尺寸，雙槽厚度，沒有花裏胡哨的裝飾，整體外觀可以用“樸素”來形容
供電接口爲16PIN，輸出接口爲4個DP口，沒有HDMI。這也符合工作站定位，多屏輸出和專業顯示設備使用DP接口會更常見一些
再簡單過一下過一遍核心規格： 核心代號Navi 48，RDNA 4架構配備4096個流處理器，Boost斌率2920MHz，搭載32GB GDDR6顯存，顯存位寬256bit，TBP 300W。
欸，這不是9070XT的核心嘛，是的，它本質上就是一張頻率功耗稍低32G版本的9070XT
大家都知道大就是好，顯存永遠不嫌多
對AI來說，顯存算是幾個核心指標之一。它直接關係到模型能不能跑、跑得爽不爽、能跑多大的模型。
直接進入實測環節
先帶大家看一下烤雞溫度，得益於渦輪卡的優勢，十分鐘烤雞測試後，核心溫度僅有58℃，顯存溫度76℃，非常涼爽
性能方面本地部署QWEN3.8 27B，IQ4量化，不開MTP與KV量化，上下文128K，顯存佔用在22G左右，預填充速度約800token/s這個速度還可以
實際體驗下來只有冷啓動的預填充階段，需要等的久一點，其他部分都比較滿意
如果開啓Q8 KV量化+MTP投機解碼，速度最高可以暴漲到70token/s
換成MOE之後R9700表現更爲驚人，預填充速度一度衝到3000token/s，吐詞速度也有90token/s。
應用方面，我用WORKBUDDY做的這個小項目最終花了10分鐘，可用性其實還不錯，想要完全可用的話也不是不行，無非就是鏈接下數據庫，完善下兼容性規則
不得不說，模型裏面的老數據真讓人感嘆，去年的硬件價格竟然是這樣的，讓人有種恍如隔世的感覺
當前時間段，32G顯存本地跑個小參數的MOE模型，體驗就已經非常不錯了（MOE是真的快）千問 3.6 35B A3B IQ4 量化版本中
上下文拉滿，開啓 MTP，預填速度可以來到約2500+ Token/S，吐詞速度更是可以來到 140+ Token/S，已經可以解決一些併發的問題了，甚至併發還能把總帶寬再撐大一點！
隨着時間的繼續後移，模型繼續變小，32G顯存也許真的能夠撐起非常不錯的本地AI生產力系統
如果你不想網速太慢跟不上時代，現階段就想本地玩玩AI，那這張與5080售價接近的 R 9700或許就是你的“Dream Card”現階段性價比非常不錯（目前持續漲價中），相對於魔改卡，多了三年官方質保，讓人安心不少
AI也許可能是泡沫，但至少現在，算力需求依然很大，存儲也看不到降價的勢頭，想上車的人越來越多，不如趁着這波勢頭，乘風破浪！
“本文章由 AI 生成，內容僅供參考，請仔細甄別”
往期文章
2026年9月DIY電腦配置推薦實測24套主機2K到3W全覆蓋可閉眼抄作業
更多遊戲資訊請關註：電玩幫遊戲資訊專區
電玩幫圖文攻略 www.vgover.com
