AI Tech Engine Lab
用实测说话的本地 AI 基准
DGX Spark · EVO-X3 · Mac · CUDA — 同一根针测 tok/s 与 render_ok。
最新基准
实验室控制面：Mac Studio · Spark · EVO+4080
在 Mac Studio 上放 Open WebUI + 状态板，对接 Spark 与 EVO+4080。并汇总 Flash-Next 4080 spill quality×cost（1083s vs 5321s）。
Flash-Next 视觉对比 16k：Spark vs AMD vs AMD+4080
固定提示 3 条（game/arch/space）、max_tokens 16k。平均 wall：Spark 247s、AMD 410s、AMD+4080 442s。模型已能装下时，4080 spill 不带来速度收益。
视觉对比包 v1：游戏·建筑·产品·太空 × AMD / AMD+4080 / Spark
用 12 条锁定组件的提示，在 amd / amd+4080 / spark 上对比 Qwen3.8、Flash-Next、GLM-Flash、DeepSeek-Flash。含检查点与 /10 评分。
视觉对比包 v2：可玩 vs 静帧 + DeepSeek 用 AMD+4080
v1 自动分骗了人。v2 拆分可玩/静帧、加负面约束；AMD+4080 只给装不进 AMD 显存的模型（DeepSeek ~101G）。
Flash-Next + RTX 4080 spill：Spark vs EVO-X3 quality×cost
EVO 上用 RTX 4080 Vulkan layer spill 跑 Flash-Next 三阶段赛。Spark wall_sum 1083s vs EVO+4080 5321s。arch3d EVO 先过；angry EVO 12/12 失败。
DGX Spark vs EVO-X3：Flash-Next 同提示实测
DGX Spark（NVFP4/SGLang）与 EVO-X3（ROCmFP4/Vulkan）用 Flash-Next 跑同一 Angry Birds / 3D 建筑 HTML。Decode ~37 vs ~27.5 tok/s。
DGX Spark vs EVO-X3：Quality×Cost 三阶段赛
Quality×cost tabs: Flash-Next (Spark 1694s vs EVO 3374s), Qwen3.8-27B (800s vs 1370s), DeepSeek-V4-Flash Spark-only (1844s). EVO DeepSeek GGUF is incoherent.
一台 DGX Spark：Qwen3.8-27B · Flash-Next · DeepSeek-v4-Flash（REV-441）
在同一台 DGX Spark GB10 上，用相同 REV-441 needle（~2.5k–82k）与 Angry Birds HTML 测 Qwen3.8-27B-NVFP4、Flash-Next、DeepSeek-v4-Flash。~82k TTFT：Flash-Next 0.50s · Qwen27B 4.1s · DeepSeek 6.8s。needle 全中。
DGX Spark vs M1 Max vs M2 Max：同一 REV-441 needle，同一 Angry Birds HTML | AI Tech Engine
同一 REV-441 needle（约 2.5k–82k）与 Angry Birds 风格 HTML，在 DGX Spark Qwen3.8-27B-NVFP4、M1 Max（前篇）、M2 Max Ornith/Qwen 上实测。Spark 82k TTFT 4.1s。needle 均命中。含 GIF。
Qwen3.8-Flash-Next 内存档位：16GB / 64·96GB / 计划中的 128GB 能装上什么 | AI Tech Engine
只按 Unsloth GGUF、社区 MLX 文件大小和官方卡片来读 2026-08-26 发布的 Qwen3.8-Flash-Next（125B-A6B + 51B n-gram），再映射到 AI Tech Engine 实验室的 RTX 4080 16GB / M1 Max 64GB / M2 Max 96GB / 计划中的 128GB。没有未实测的 tok/s。
M1 Max 64GB 实测：Qwen3.8-27B（MTPLX · omlx）vs Ornith-1.5-35B | AI Tech Engine
同一台 MacBook Pro（M1 Max 64GB）上，用 MTPLX 和 omlx DFlash 跑 Qwen3.8-27B，用 omlx 跑 Ornith-1.5-35B-A3B，同一根针、同一批 token。三条路径都命中针。同一份愤怒的小鸟式 HTML，只有 Ornith 接近能玩。不用别人的显卡跑分。
2026 本地 AI 实验室构成：16GB CUDA vs 64/96GB Mac vs 计划中的 128GB | AI Tech Engine
AI Tech Engine 实验室的实际设备。RTX 4080 16GB、M1 Max 64GB、M2 Max 96GB 现在各自干什么，计划中的 Strix Halo 与 DGX Spark 128GB 为什么留给 70B 级和本地智能体。不写入未实测的 TPS。
Qwen3.8-27B 与 2026 年 8 月开放权重：这间实验室今天能加载什么 | AI Tech Engine
对照 Hugging Face 和官方文档核对 Qwen3.8-27B 与 Meta Muse Glimmer 30B，再映射到 AI Tech Engine 实验室的 M1 Max 64GB / M2 Max 96GB / RTX 4080 16GB 以及计划中的 128GB。没有未实测的 tok/s。
ChatGPT Plus vs Claude Pro vs DeepSeek API：每月约 3 万韩元把产能拉满 | AI Tech Engine
面向开发者与实务人员的 2026 AI 订阅成本指南。从代码生成、长文档分析、单位费用产出做对照，而不是复述厂商口号。
靠 AI 赚钱真的很容易吗？‘月入一千万韩元副业’视频背后的苦事实 | AI Tech Engine
YouTube 和社交短视频里全是 AI 副业晒单。我们拆开‘谁都能、每天十分钟’的幻觉，以及视频下面开放聊天室和付费课程真正在卖什么。
2026 本地 LLM 性价比装机与 GPU 选择：别把钱浪费掉 | AI Tech Engine
RTX 4090、4080 Super、二手双 3090、Mac Studio M3 Max。按显存看能跑到哪一档，按预算看怎么配。这是采购地图，不是本实验室的机队清单。
月费 0 元起步的高速无服务器 AI 媒体栈（Astro + Cloudflare Pages） | AI Tech Engine
不用 WordPress，也不把账单交给沉重的 Vercel。用静态站点生成器搭配 Cloudflare Pages，把技术博客放到全球 300+ 边缘城市，加载往往不到 0.3 秒。
为什么企业 AI 自动化项目约 80% 会失败：PoC 与生产的裂缝 | AI Tech Engine
演示视频里完美的智能体和自动化流水线，一进真实生产环境就会散架。失败原因，以及栈里真正该有的防护。