數位天堂

RTX 2080 Ti 22GB 文生圖模型測試 in 創客天堂 : 硬體及網路技術綜合討論區

Thu, 24 Sep 2026 23:31:45 +0800

前言

RTX 2080 Ti 22GB 魔改卡到手後，除了跑顯存驗證與運算正確性測試之外，另一個重要的應用場景就是文生圖（Text-to-Image）。這張卡 22GB 的顯存讓它足以承載多種主流生圖模型，包括 FLUX 系列、Z-Image Turbo 6B 以及 Qwen-Image-2.1。

本文整理了八組測試場景，每組使用同一組提示詞（prompt），分別以 Z-Image Turbo 6B（以下簡稱 Z-Image）與 Qwen-Image-2.1 各跑一次，目的是直觀比較兩者在以下面向的表現：

中文文字正確性與可讀性

人物面部、手部等生物細節

物理反射與光影一致性

複雜場景中多物件的位置與透視關係

整體寫實度與構圖品質

每組測試均附上兩張輸出圖片，第一張為 Z-Image、第二張為 Qwen-Image。所有圖片均以 1024×1024 解析度輸出，未經後製修圖。

1. 中文文字＋產品攝影＋複雜材質

一張高端消費電子產品廣告攝影，一台未來感的白色桌上型 AI 助理裝置放在深色胡桃木桌面中央，裝置正面有一塊小型螢幕，螢幕上清楚顯示繁體中文「居家守護助理」，下方顯示「讓家人安心，讓長輩有伴」，所有中文字必須正確、清晰、沒有錯字或亂碼。

背景是一間溫暖現代化的台灣住宅客廳，夕陽從右側落地窗照入，形成柔和金色光影。桌面上有一杯透明玻璃水杯、一本翻開的書、一副眼鏡、一支黑色鋼筆。玻璃杯產生真實折射與桌面陰影，金屬零件具有細膩反射，白色塑膠外殼具有微妙的霧面質感。

攝影棚級產品攝影，85mm lens，shallow depth of field，realistic global illumination，physically accurate reflections，high dynamic range，extremely detailed，photorealistic，4K commercial advertising photography。

測試重點：中文文字、多材質、反射、景深、物件位置關係、中英文混合 prompt

▎Z-Image Turbo 6B 輸出

▎Qwen-Image-2.1 輸出

2. 👴 老人＋手部＋人物互動

一位約75歲的台灣男性長者坐在客廳沙發上，穿著淺藍色襯衫和深灰色長褲，正在用右手操作桌上的智慧型手機，左手自然放在膝蓋上。他的女兒約40歲，坐在旁邊微笑看著父親，兩人正在自然交談。

要求人物具有真實亞洲人的臉部特徵、自然皮膚紋理、細微皺紋、真實頭髮與眼神。雙手必須具有正確的人體解剖結構，每隻手五根手指，手指自然彎曲，手機與手掌的接觸關係正確。

客廳有一盞落地燈、一張木質茶几、兩個陶瓷茶杯、一盆室內植物。午後自然光從窗戶進入，人物臉部受到柔和側光照射，背景具有自然景深。

documentary photography，natural candid moment，85mm portrait lens，realistic skin texture，subtle wrinkles，physically accurate hands，natural pose，cinematic but realistic lighting，photorealistic，high detail。

這張很適合抓 AI 的破綻，尤其放大看：手指、手機、眼睛、嘴巴、人物彼此的肢體關係。

▎Z-Image Turbo 6B 輸出

▎Qwen-Image-2.1 輸出

3. 🪞 鏡子＋反射＋文字

一間極度寫實的現代台灣住宅玄關，一名穿著深藍色外套的中年男子站在大型落地鏡前整理衣領。

畫面必須同時呈現男子本人與鏡中的完整反射，而且鏡中人物的姿勢、衣服、手的位置、臉部方向必須與真實人物完全一致。鏡面反射必須符合物理光學，不能出現第二個不同的人。

鏡子旁牆面掛著一個小型金屬門牌，門牌上清楚寫著繁體中文「幸福之家」，中文字必須完全正確。

玄關地面為灰色拋光石材，可以看到人物和家具的微弱反射。右側有一盞暖黃色壁燈，產生自然的光暈與牆面陰影。

architectural photography，physically accurate mirror reflection，accurate perspective，global illumination，ray-traced appearance，realistic materials，photorealistic，high dynamic range，extremely detailed。

這個是很好的物理一致性測試。

▎Z-Image Turbo 6B 輸出

▎Qwen-Image-2.1 輸出

4. 🚗 複雜街景＋大量中文招牌

一張極度寫實的台灣城市街景照片，傍晚六點左右，台北一條繁忙但真實的商業街。

街道兩側有便利商店、咖啡店、機車行、傳統麵店和水果店，招牌使用繁體中文。畫面中至少有十個不同大小的中文招牌，每個招牌的文字都應該具有清晰、可讀、合理的繁體中文字，不要使用簡體字、亂碼或虛構文字。

街道上有行人、汽車與大量機車，部分機車停在路旁。紅綠燈亮著紅燈，一位行人正在斑馬線等待。濕潤的柏油路面反射街燈與招牌霓虹燈。

要求所有車輛具有合理的四輪結構，機車具有正確的兩輪結構，人物具有自然比例，遠近透視正確。

realistic Taiwanese urban street photography，wet asphalt，neon reflections，accurate perspective，natural crowd，cinematic evening light，35mm lens，documentary photography，photorealistic，extremely detailed。

這個非常狠 😂 因為同時測：文字＋多人＋車輛＋機車＋透視＋反射。

▎Z-Image Turbo 6B 輸出

▎Qwen-Image-2.1 輸出

5. 🌊 台灣風景＋小物件細節

從台灣東部海岸公路高處向下拍攝，一座蜿蜒的山海公路沿著陡峭山壁延伸，左側是深藍色太平洋，遠方可以看到一座孤立的小島。

前景是一台停在路旁的銀色小型 SUV，車頂安裝一台小型消費級空拍機，車旁放著一個黑色攝影背包、一瓶透明礦泉水和一頂棒球帽。

遠處有一艘白色大型郵輪正在海面航行，海面反射午後陽光。山壁上有茂密的台灣原生植物，公路護欄、路面標線、車輛比例與遠近透視必須正確。

晴朗午後，天空有少量積雲，遠山帶有自然的大氣透視。

professional landscape photography，Taiwan east coast，realistic atmospheric perspective，accurate scale，natural sunlight，physically accurate shadows，24mm wide-angle lens，HDR，photorealistic，ultra detailed。

▎Z-Image Turbo 6B 輸出

▎Qwen-Image-2.1 輸出

6. 🧠 Boss Level：工程師實驗室焊接

這個我最推薦拿來測 Qwen-Image-2.1。

一張電影級、極度寫實的單張攝影畫面：凌晨四點，一名台灣男性工程師獨自在電子研發實驗室工作。

他坐在工作桌前，右手拿著精密鑷子，正在替一塊 ESP32-S3 開發板焊接一顆非常小的電子元件，左手扶著 PCB。桌面上有示波器、數位萬用電表、邏輯分析儀、烙鐵台、焊錫、電子零件盒、杜邦線、USB 線與幾塊不同版本的 PCB。

示波器螢幕上顯示清晰且合理的電子波形；旁邊的電腦螢幕顯示一段正在編譯的 C++ / Arduino 程式碼，程式碼必須具有合理的語法結構；PCB 上可以看到細小但合理的電子元件、IC、電阻電容、銅箔走線與絲印。

工程師戴著透明防護眼鏡，臉部受到桌燈照明，眼神專注。右手五根手指必須解剖結構正確，鑷子、焊接工具與手指的接觸關係必須完全合理。

桌面旁放著一杯已經喝了一半的咖啡，杯子表面有水氣；窗外是凌晨的城市夜景，可以看到遠方建築物的燈光。

整個場景必須遵守真實物理光學：金屬反射、玻璃反射、PCB 表面反光、螢幕發光、桌面陰影、人物投影與環境光必須互相一致。

cinematic documentary photography，professional electronics laboratory，physically accurate hands，accurate electronics，accurate perspective，realistic reflections，global illumination，ray-traced lighting，natural skin texture，35mm lens，shallow depth of field，photorealistic，extremely detailed，8K photographic realism。

這張要檢查 10 個地方：
手指是不是 5 根、鑷子有沒有穿過手、ESP32-S3 PCB 是否像真的 PCB、IC/電阻/電容是否合理、示波器波形是否像正常電子訊號、程式碼文字是否接近可讀、電腦螢幕上的字是否亂碼、咖啡杯/玻璃反射是否合理、光源方向是否一致、人/桌子/PCB/儀器的透視是否一致。

▎Z-Image Turbo 6B 輸出

▎Qwen-Image-2.1 輸出

7. 街頭人物隨拍

專業相機抓拍的超高清寫實街拍照片，以「上傳圖片」中的女性臉部特徵、髮型與整體外觀作為人物參考，保持與參考圖片高度一致的臉型、五官比例、髮型與髮色。一位 22 歲、具有自然東亞女性外貌的年輕女子，身材比例勻稱、曲線自然，穿著時尚而得體的日常休閒服裝。

她正自然地邁步走在天氣晴朗的城市街道上，一手拎著簡約時尚的購物袋，另一手拿著智慧型手機。她微微低著頭，視線自然地集中在手機螢幕上，呈現出專注查看手機訊息的自然瞬間。走路姿態自然流暢，雙腿與手臂的動作符合真實人體行走時的姿勢與重心變化，避免僵硬的擺拍感。

街道環境明亮乾淨，兩旁有現代商店、咖啡廳、街道樹木與行人，背景呈現真實城市生活氛圍。陽光從側前方照射，人物臉部與頭髮具有自然柔和的陽光與陰影，衣服的布料、頭髮絲、皮膚紋理與購物袋材質都清晰可見。

使用全片幅專業相機拍攝，50mm 鏡頭，淺景深，人物主體清晰銳利，背景具有自然柔和的散景。真實攝影光學、自然膚色、細膩皮膚紋理、真實頭髮細節、準確人體比例、自然手部與手指結構、正確的手機與手掌接觸關係、自然透視、真實陰影與反射。

high-end professional street photography, full-frame camera, 50mm lens, shallow depth of field, natural bokeh, realistic skin texture, detailed hair strands, accurate anatomy, natural walking motion, realistic hands and fingers, physically accurate lighting, realistic fabric texture, cinematic natural sunlight, HDR, photorealistic, ultra detailed, 8K photographic quality。

如果你是要專門測試「參考臉＋動態姿勢＋手部＋手機」能力，這版其實比單純強調「美女」更有效，因為一次會測到好幾個容易出錯的地方。

▎Z-Image Turbo 6B 輸出

▎Qwen-Image-2.1 輸出

8. 車內視角自拍

一張自然寫實、帶有溫暖黃昏氛圍的年輕成年東亞女子車內近距離人像攝影，4:5 直式構圖，呈現自然手機隨拍與高質感 Lifestyle Photography 風格。

一位年輕成年東亞女子坐在現代轎車的前排座位上，身體自然朝向鏡頭，安全帶從肩膀斜跨身前。她擁有精緻自然的東亞五官、柔和小巧的臉型、明亮深色眼睛、自然眉形與淡雅乾淨的妝容。肌膚細膩通透，同時保留真實皮膚紋理，不過度磨皮；雙頰帶有夕陽映照形成的自然暖色紅潤，嘴唇呈柔和自然的淡粉色。

她留著深棕色長直髮，中間自然分線，長髮蓬鬆柔順地披落在雙肩與身前，細緻髮絲被夕陽勾勒出暖金色光澤。

女子安靜地直視攝影機，神情平靜、自然、略帶柔和自信感，不刻意微笑。一隻手自然抬起靠近肩膀與長髮位置，手掌微微收起，像是準備整理頭髮；手指姿態自然、五指結構正確。手上佩戴簡約細戒指與金屬手環，頸部佩戴纖細金色項鍊與小巧黑色星形造型吊墜，搭配簡約黑色細肩帶上衣。

畫面最重要的光線來自車窗外的低角度黃昏夕陽，溫暖金色陽光從側前方斜射進車內，直接照亮女子半邊臉部、眼睛、鼻樑、嘴唇、頭髮與手臂，形成漂亮而自然的 Golden Hour 光影；另一側保持柔和陰影，使臉部具有自然立體感。陽光明亮但不過曝，皮膚色調自然，不產生塑膠感。

背景保留真實的深色汽車內裝、皮革座椅、頭枕、後排座位與車窗結構，車窗外可以看見清澈明亮的藍色天空。背景稍微柔化，但仍能辨識是真實汽車內部，避免棚拍感與合成感。

相機採用近距離半身構圖，約從腰部/上半身至頭頂完整入鏡，50–70mm 自然人像透視，視角接近人物眼睛高度。焦點精準落在雙眼與臉部，眼睛清晰銳利，細緻髮絲與真實肌膚紋理清楚可見；自然 HDR、真實動態範圍、電影級暖色調、高清細節。

photorealistic、natural skin texture、golden hour sunlight、realistic car interior、sharp focus、high detail、8K。

避免：臉部過度磨皮、AI 塑膠肌、五官變形、手部畸形、多手指或少手指、安全帶位置錯誤、頭髮黏成一片、過曝夕陽、過強濾鏡、假 HDR、背景合成感、模糊臉部。

▎Z-Image Turbo 6B 輸出

▎Qwen-Image-2.1 輸出

總結 Benchmark 建議

如果你的目的是比較 Qwen-Image-2.1、Z-Image、FLUX.1/FLUX.2 的能力，我最推薦直接用第 1、2、3、6 四組做固定 benchmark：同解析度、同 seed（如果模型允許）、同採樣設定，各跑一次，再比較文字、手、反射、複雜場景和物件一致性。

初步心得與觀察

以下為本次測試的幾點主觀心得，供有興趣的網友參考：

關於中文字

目前這兩套工具在繁體中文字的正確性上，表現都不及格。Z-Image 在測試 1 中「居家守護助理」的「護」字出現明顯筆畫錯誤，而街景招牌的中文字更是完全錯亂——這在需要產出含文字圖片的應用場景中，是很大的硬傷。

Z-Image Turbo 6B

優點：生成速度非常快，每張約 12 秒即可完成，適合需要快速迭代或大量試錯的場景。

缺點：圖片的合理性有待加強。例如台灣東海岸風景測試中，空拍機的外型與比例不太自然，郵輪船頭的方向也與 prompt 描述的透視不一致。整體而言，畫面細節的邏輯連貫性還有進步空間。

Qwen-Image-2.1

優點：生圖品質相較之下略勝一籌，構圖邏輯與物件相對位置的合理性較好，場景的整體感也更接近 prompt 的描述。

缺點：生成速度明顯偏慢，每張約需 90 秒。若需要大量產圖，時間成本會是主要的考量因素。

討論

以上為個人的初步測試心得，兩套工具各有擅場與短板。不知道大家比較喜歡哪一張圖片、或是偏好哪一套生圖工具呢？歡迎在底下留言一起討論！

RTX 2080 Ti 22GB 魔改卡到貨：燒機驗收與實測心得 in 創客天堂 : 硬體及網路技術綜合討論區

Fri, 18 Sep 2026 16:09:23 +0800

前言

最近幫測試主機（Ryzen 7 5700G / Ubuntu）換上一張廠商標示為「全新訂製」的 RTX 2080 Ti 22GB 魔改卡，取代原本的 RTX 3060 Ti 8GB。這類訂製卡是供應商以 2080 Ti 晶片重新焊上更高容量的顯存顆粒而成，出廠版本與批次品質各有差異，所以到貨後不能只是「跑個甜甜圈就收工」——顯存顆粒焊接與品質是最大的變數，而 GeForce 沒有 ECC，算錯不會當機，只會讓 TTS 出雜音、LLM 吐怪字，很容易被誤判成「模型爛掉」。這次照著先前建立的五關驗收流程走，重點放在顯存正確性與運算正確性這兩個「甜甜圈碰不到、卻能一票否決」的項目。

第 1 關：身分驗證

nvidia-smi 與 lspci 讀到的資訊如下，重點在確認這不是「刷 BIOS 的假卡」或「被切過匯流排的減料卡」：

檢查項目	讀到的值	判定
Device ID	0x1E07（TU102-300A，A 晶片）	✅ 與 2080 Ti 官方一致
SM 數量	68（torch 讀出）	✅ 4,352 CUDA cores 未縮水
VRAM	22,001 MiB 可用（原廠 11GB 改裝 22GB）	✅
Power Limit	260 W（上限 320 W）	✅ 可正常解鎖
VBIOS	90.02.42.00.0C	✅ 可查到
Max Operating Temp	89°C（Slowdown 91°C / Shutdown 94°C）	⚠ 比 Ampere 卡低 4°C，餘裕以此為準

這台機器有兩個「看似異常其實正常」的現象：PCIe 顯示 Gen3 是對的（5700G 是 Cezanne APU，不支援 PCIe 4.0，這是 CPU 限制）；閒置時 gen.current 會掉到 1（ASPM 省電）。別誤判成故障。

第 2 關：顯存正確性（30 分鐘）

用 memtest_vulkan 跑 30 分鐘、22,357 輪，結果：錯誤 0，佔用 21,657 MiB（整張 22GB 覆蓋）。

項目	實測	備註
錯誤數	0	一票否決項目，PASS
寫入頻寬	466.5–471.9 GB/s（理論 616 的 76%）	見下方說明
讀取驗證頻寬	494.6–505.4 GB/s（81%）
顯存時脈	7000 MHz 滿速	Vulkan 走 P0

頻寬達成率 76% 比先前兩張 Ampere 卡（87–88%）低，但同為 Turing 架構的 2080 SUPER 在 memtest_vulkan 也只有寫入 73–79%（單一外部資料點），應屬架構差異，而非卡有問題。防偽判準（減料卡只能跑出約一半）遠遠通過。

比較值得注意的是頻寬曲線：前 12 分鐘從 471.9 降到約 467（-1%），之後持平在 466.4–468.0，這段時間正好與升溫 37→80°C 重疊；溫度停、頻寬也停，判定為溫度效應而非持續劣化。但這波動是先前 3060 Ti（全距 0.05%）的 20 倍——GDDR6 有 EDC 重傳機制，訊號邊緣化時會先表現為頻寬下降而非錯誤。對手工換焊的改裝卡，這值得長期追蹤：日後重測時若熱機頻寬持續走低，就是劣化徵兆。

第 3 關：運算正確性 + 熱穩定（10 分鐘）

本機沒有 nvcc，改用 pytorch 容器做「先算參考答案、重複同運算位元比對」的方式，6,281 輪位元比對、錯誤 0。瞬時約 313–314 輪/30s ≈ 11,500 GFLOP/s（fp32，達理論 13.45 TFLOPS 的 86%，先前 3060 是 71%）。

訊號	實測	判定
位元比對	6,281 輪 / 錯誤 0	✅
GPU 峰值溫度	81°C（距 Max Operating 8°C）	⚠ 通過但餘裕偏緊
功耗	峰值 259 W（貼齊 260 W 牆）	✅ 沒被改 BIOS
SW Power Capping	累積 >3600 s	✅ 正常，就是吃滿牆
SW/HW Thermal Slowdown	0	✅
風扇	61%	✅ 遠未到上限

散熱餘裕 8°C 是在九月、機殼開著的條件下量的，夏天關殼積灰後會更快吃完。訂製卡不論測試結果如何，換散熱膏與顯存墊都建議直接做——這是保養不是修理。

意外發現：GPU 滿載會把 CPU 烤到 86°C

GPU 滿載期間 CPU Tctl 85–86°C，而 CPU 幾乎閒置（load 1.4）。5700G Tjmax 95°C，只剩約 9°C 餘裕。原因：2080 Ti 是開放式下吹散熱設計，250W 的熱風直接灌進位在上方的 CPU 散熱器（現場確認風向）。

影響有二：一是 GPU 忙碌時 CPU 端的工作（例如 SenseVoice ASR 跑在 CPU）可能撞 95°C 降頻，語音辨識延遲上升；二是若走「一台雙卡」方案會更糟（兩張卡約 450W 的熱都往 CPU 吹），這是評估「一台雙卡 vs 兩台分工」時的扣分項。

待辦：確認機殼風道（CPU 散熱器出風是否對準後排風扇）、BIOS 調高機殼風扇曲線。

服務層實測（換上 2080 Ti 22GB 後）

服務	3060 Ti 8G（舊）	2080 Ti 22G（新）
TTS RTF（n=50）	0.24	0.25（幾乎持平，差異 <5%）
TTS 串流首包	1.27 s	1.23–1.27 s
TTS 顯存（frac 0.15）	4,753 MiB	5,000 MiB
文生圖 klein / schnell	13.6 s / 28.9 s（2026-09-05 記錄）	5.6 s / 12.8 s
本地 LLM 27B（qwen38）	放不下	46.7 tok/s（8K ctx、GPU 獨佔）

文生圖快了約 2.3 倍。最大的買點是：本地 LLM 27B 終於放得下，GPU 獨佔下 46.7 tok/s。對照雲端模型 TTFT 中位數約 428ms——本地合規率較高但延遲慢約 5 倍，適合批次任務，即時語音場景仍建議雲端。

num_ctx 對生成速度測試（GPU 獨佔，Qwen3.8-27B，2026-09-17）

num_ctx	生成速度	建議
8,192	39.7 tok/s	✅ 最快
16,384	37.5 tok/s	✅ 建議值
32,768	30.3 tok/s	✅ 仍可用
65,536	18.9 tok/s	⚠️ 掉 40%
131,072	7.9 tok/s	🔴 掉 79%
262,144	6.0 tok/s	🔴 掉 84%

規律：超過 32K 後大約每翻倍就砍半。

整體效能（2026-09-16）

生成速度範圍	27.8–39.7 tok/s
首 token（/no_think）	約 2.4 s
首 token（思考開啟）	約 4.8 s

另外記錄兩點：2080 Ti（Turing, SM 7.5）上 vLLM 0.9.0 會自動降級（bf16→fp16、V1→V0、FlashAttention→XFormers），CUDA Graph 照常擷取，速度與 3060 Ti 相當；唯一硬限制是 TTS 容器的 vLLM 不可升級到已移除 V0 的版本，否則 Turing 無路可退。TTS 佔用 5,000 MiB 是 COSY_VLLM_GPU_FRAC=0.40 比例式配置的結果，不是模型變小。

結論

這張卡目前判定留用：顯存全數可用、零錯誤、運算正確，功耗牆與溫度牆都正常。要盯的是改裝卡特有的「熱機頻寬 -1% 後持平」現象——日後重測若持續走低即為劣化徵兆。散熱餘裕 8°C 偏緊，建議換膏保養，並留意 GPU 滿載時 CPU 會被烤到 86°C 的風道問題。

訂製卡的本質是「用出廠品質的變異換 CP 值」：省下的錢買的是需要自己驗證、自己追蹤的健康度。驗收關卡（尤其顯存正確性）不能省，頻寬曲線與溫度餘裕留個紀錄，三個月後重測一次做對照，就能看出這張卡值不值得長期服役。

Qwen3.8-27B 本地測試計畫 in 創客天堂 : 硬體及網路技術綜合討論區

Tue, 15 Sep 2026 21:06:41 +0800

前言
本文整理 RTX 2080 Ti 22GB（改裝版）本地運行 Qwen3.8-27B 的測試計畫，包含環境配置、效能優化與進階加速（DFlash2 / 推測解碼）說明。文中亦補充筆者查證的模型背景與部署建議，供有興趣在消費級硬體上運行 27B 級模型的讀者參考。

聲明：本文撰寫時，筆者訂購的 2080 Ti 22GB 魔改卡仍在運送途中，所有效能數字皆為理論估算與既有社群回報，尚未經筆者本機實測。待到貨完成壓力測試後，將另行補充實測結果。

---

一、模型與硬體摘要

Qwen3.8-27B（官方資料，2026-08-14 開源）

27B 稠密模型，Apache 2.0 開源授權。

原生 262K 上下文窗口（可擴展至 1M），相較前代大幅提升。

原生視覺能力（影像與影片理解），具備多模態潛力。

預設啟用思考模式，支援 reasoning_effort 三檔（xhigh / medium / low）。

官方標示 16GB+ 顯存即可本地運行（量化後）。

測試硬體：RTX 2080 Ti 22GB（改裝版）

TU102 核心、4352 CUDA、352-bit 匯流排（~616GB/s 記憶體頻寬）。

顯存自原廠 11GB 改裝為 22GB（11 顆 2GB 顆粒）。

模型權重（IQ4_XS）約 14.6GB，可 100% 載入 GPU VRAM，剩餘約 7.4GB 供 KV Cache 使用。

二、基準數據參考（官方與第三方測評）

| 指標 | Qwen3.8-27B | 前代 Qwen3.6-27B |
| DeepSWE 1.1 | 42.2 | 13.3 |
| Terminal Bench 2.1 | 73.0 | 63.4 |

代理能力（Agentic）較前代大幅躍進，第三方測評於 SWE-bench Pro、OSWorld、AndroidWorld 等亦有亮眼表現。

意涵：27B 規模足以承擔「工具呼叫」型工作負載，適合用於本機自動化任務。

三、環境配置與啟動參數

建議使用 llama-server 建立獨立推論服務，並啟用 Flash Attention 與 KV Cache 4-bit 量化：

llama-server \
  -m qwen3.8-27b-iq4_xs.gguf \
  --n-gpu-layers 99 \
  --ctx-size 32768 \
  --cache-type-k q4_0 \
  --cache-type-v q4_0 \
  --flash-attn

四、效能優化設定

預設配置下估算吐字速度為 12~18+ t/s；極限調優有機會推升至 22~28+ t/s。四個優化維度：

1. 鎖定 Pinned Memory（--mlock）
預設 llama.cpp 以 mmap 讀取模型，可能觸發分頁調度開銷。加上 --mlock 可將模型鎖定於實體記憶體，避免被換出至 Swap，維持 GPU 顯存補給穩定。

2. 精準搭配 FlashAttention 與 CUDA Kernels
Turing 架構（CC 7.5）處理非對稱量化開銷較大，指定 --flash-attn；KV Cache 量化建議選用原生 CUDA 加速格式（q4_0 / q8_0 / f16），避免非原生格式拖慢運算。

3. 開啟推測解碼（Speculative Decoding / MTP）
Qwen3.8 原生支援 Multi-Token Prediction（MTP）。掛載小 Draft 模型或啟用 --spec-draft-n-max 2，由小模型預測 2~3 個 token、主模型一次驗證，可將生成速度提升 25%~40%。

4. 針對任務調整 Context 與 Thinking
將 Context 自極限 64K 下調至實用的 16K~32K，能釋放 3~4GB VRAM 給 CUDA 動態批次；程式碼等專一任務可收斂思考預算（Reasoning Budget），改善長文本「前快後慢」現象。

極限效能啟動範例（挑戰 20+ t/s）

llama-server \
  -m qwen3.8-27b-iq4_xs.gguf \
  --n-gpu-layers 99 \
  --ctx-size 32768 \
  --cache-type-k q4_0 \
  --cache-type-v q4_0 \
  --flash-attn \
  --mlock \
  --spec-draft-n-max 2

五、進階加速：DFlash2 / 推測解碼

核心邏輯：以極低計算開銷預測 token，減少主模型讀取顯存權重的次數。

未啟用：GPU 每生成 1 token 需將 14.6GB 權重完整搬入核心一次（頻寬瓶頸）。

啟用後：猜中 3 個 tokens 時，讀取一次權重即可同時輸出 3 個 tokens，顯存頻寬利用效率實質提升 2~3 倍。

速度預估對比：

模式/設定	預估速度	說明
原生 llama.cpp / MLX（無推測）	12 ~ 18 t/s	標準解碼，每次輸出 1 token
掛載 DFlash2 / MTP（2 Draft）	25 ~ 38+ t/s	猜中率約 60%~75%，速度翻倍
極致順暢（High Acceptance）	40+ t/s	結構化程式碼等高猜中率情境逼近極限

部署注意事項

Draft 模型僅佔 0.5~1.5GB VRAM，22GB 下完全不構成壓力。

Mac 環境以 MLX 框架整合；NVIDIA（Linux/Windows）透過 llama.cpp --spec-draft、或 vLLM / TensorRT-LLM / SGLang 啟動。

六、筆者補充建議（上線前）

魔改卡到貨先測再上線：建議先以 GPU-Z 確認 22528MB 顯存辨識正確，再跑 24 小時 VRAM 壓力測試，確認散熱與穩定性後，才正式投入推論服務。

雙卡分工（若同時有第二張卡）：可讓 2080 Ti 22GB 專責 LLM 推論，將語音（TTS/ASR）等輕量任務導向另一張低功耗卡，避免互相干擾，整體服務更穩定。

任務分流選用模型：本機 27B 模型適合例行性、固定流程的巡檢維運任務；重視正確性與文采的任務（如財經數據整理、對外文章）仍建議交由雲端較大模型處理，以兼顧成本與品質。

七、總結
在 RTX 2080 Ti 22GB 上啟用推測解碼，有機會在保有 100% 無損精確度的前提下，享受 30+ tokens/sec 的本機推論速度。對想以有限預算踏入本地 LLM 的讀者而言，此組合具備相當高的成本效益。

本文為整理與規劃性質；實際硬體表現可能因賣家批次與韌體而異，歡迎讀者補充實測數據。

淘寶 2080 Ti「22GB 魔改卡」採購指南 in 創客天堂 : 硬體及網路技術綜合討論區

Sun, 13 Sep 2026 00:22:08 +0800

前言
近年台灣技術圈對「淘寶上的 RTX 2080 Ti 22GB 魔改卡」討論度上升，主因是本地 AI 需求（LLM 推理、Stable Diffusion / Flux 生圖）對 VRAM 的胃口愈來愈大，而消費級新卡的顯存規格普遍停滯而且價格因 AI 熱度也跟著水漲船高。本文整理採購前應先搞懂的關鍵事實，供有意入手的讀者參考。

注意：本文撰寫時，筆者訂購的 2080 Ti 22GB 魔改卡仍在運送途中，文中所有性能與溫度數據皆引用社群既有回報，尚未經筆者本機實測驗證；待顯示卡到貨並完成壓力測試後，將另行補充實測章節。

一、魔改卡的本質：顯存翻倍，而非效能升級

RTX 2080 Ti 原廠規格為 11GB（TU102-300A 核心、4352 CUDA 核心、352-bit 匯流排、11 顆 1GB GDDR6）。所謂魔改，是將 11 顆 1GB 顆粒更換為 11 顆 2GB 顆粒，使總顯存達 22GB。此作業需進行 BGA 拆焊、植球，並刷寫對應的 VBIOS。
關鍵在於：記憶體匯流排寬度維持不變（352-bit，約 616GB/s）。因此，這張卡的定位是「裝得下較大的模型」，而非「運算更快」。
以量化推理為例：第三方社群回報使用者以 LM Studio 執行 Qwen3.6 27B Q4，約 18~22 token/s、GPU 溫度約 70°C（此數據尚未經筆者實測，待到手後補充第一手結果）。

二、保固與品質：二手改裝品，風險自負

魔改卡以二手拆機的 2080 Ti 為基礎改裝，沒有原廠保固，多由賣家提供店保一年，退換條件差異極大。
建議選購要點：

優先選擇三風扇版本（渦輪版散熱較差，實測常達 85~90°C 且噪音明顯）。

要求賣家提供 GPU-Z 截圖，確認系統辨識為 22528MB 顯存。

確認供電規格（「滿供電」款較穩定）、VBIOS 版本。

到貨後務必先進行 24 小時 VRAM 壓力測試，再投入正式使用。

三、22GB 的 VRAM 恰好對應常見 AI 工作負載

任務	約需 VRAM
7B Q4 對話	~5GB
13B Q4	~8GB
27B Q4（Qwen3.6 等）	~15.7GB
32B Q2~Q4	~16-18GB
Flux dev 生圖（20 步）	~16-18GB

由表可見，22GB 可涵蓋 27B Q4 本地推理與 Flux dev 生圖兩大常見需求。消費級新卡在 16~24GB 區間幾乎無選項（該區段多由工作站卡佔據），魔改卡因此填補了價格與容量之間的空隙。

四、風險清單

散熱：渦輪版高溫高噪，需三風扇或良好機殼通風。

VBIOS：若未正確刷寫，可能無法辨識完整顯存，甚至無法開機。

顆粒品質：二手顆粒之長期壽命無保證。

供電：建議確認賣家供電規格，避免不穩。

保固：僅店保，需自行確認條件。

結論

若目標是「在約一萬五千元台幣預算內，於本機運行 27B LLM 推理與 Flux 生圖」，則 RTX 2080 Ti 22GB 魔改卡是目前 CP 值較高的選項之一——同等 VRAM 的 NVIDIA 專業卡價格高出數倍。選擇三風扇、滿供電之版本，到貨後完成壓力測試再上線，即可投入日常使用。

本文為資料整理性質，實際硬體表現可能因賣家批次而異，歡迎讀者補充實測數據。

小米配蕃茄!? 小米路由器 R1D 首刷中文 Tomato in 數位天堂 : Tomato firmware 討論區

Tue, 04 Aug 2026 06:19:00 +0800

感謝中文化，值得收藏，謝謝分享!

某知名路由器暗藏後門？請自行檢查驗證 in 創客天堂 : 硬體及網路技術綜合討論區

Mon, 20 Jul 2026 21:28:36 +0800

AMB82 Mini 版本小智 Demo in 創客天堂 : DIY創客專區

Sun, 26 Apr 2026 15:28:42 +0800

沒有語音喚醒
音量也太小還需要音源放大
還有許多問題尚待解決，完整度約 87%

但是使用國產 MCU 就是爽!!

#realtek #amb82mini #xiaozhi #xiaozhi-esp32

大改謎謎蝦🦐（MimiClaw） in 創客天堂 : DIY創客專區

Tue, 31 Mar 2026 11:55:02 +0800

大改謎謎蝦🦐（MimiClaw）

基於 ESP32-S3 的本地 AI 助理，主要新增修改：

支援 OpenRouter 多模型路由（Claude、Gemini、MiniMax...隨時切換）

狀態列顯示目前使用 Model、Provider、IP 等資訊

新增 320×480 TFT LCD 支援，WeChat 風格即時對話泡泡

支援中文、日文顯示（思源黑體 CJK 字型）

維持原有功能：Telegram 對話、排程提醒、Web 搜尋、GPIO 控制

開源在 GitHub，歡迎試試看或給個 ⭐
https://github.com/twtomato/mimiclaw-lcd

#MimiClaw

ESP32 ESP-NOW SyncDraw 同步繪圖 in 創客天堂 : DIY創客專區

Thu, 12 Mar 2026 16:43:33 +0800

這是兩年前做的專案，當時沉迷於 ESP-NOW 技術，所以常常腦動大開，想一些奇奇怪怪的應用，這是其中之一種應用。

利用 ESP-NOW 傳輸技術，能夠同時在多個裝置上顯示手寫或繪製內容的系統。

A system that synchronizes handwritten or drawn content across multiple devices using ESP-NOW.

Github連結: https://github.com/twtomato/SyncDraw

其他應用: ESP32 ESP-NOW 搖桿

手搓春嬌AI機器人 in 創客天堂 : DIY創客專區

Sat, 05 Jul 2025 00:24:43 +0800

玩了一陣子的小智AI機器人，一直想替換喚醒詞，查了網上資料才知道是有難度的，山不轉路轉，只好自己手搓語音辨識喚醒她

做法: 我加了一組SU-03T語音辨識模組，自行加入想要的喚醒詞，當SU-03T辨識到喚醒詞時，會觸發指定的引腳送低電壓信號給ESP32 GPIO0，這時我的"春嬌"機器人就會醒來

以下是 Demo 影片

影片連結: https://www.youtube.com/shorts/8OnAcNeKXoE

[測試] RT-N16 100M NAT 效能大考驗 in 創客天堂 : 硬體及網路技術綜合討論區

Thu, 24 Apr 2025 18:56:58 +0800

最近N16不穩定，先拿N18頂先，應該會很有感才對。

RT-N16 官方新版韌體 ASUSWRT RT-N16_3.0.0.x in 創客天堂 : 硬體及網路技術綜合討論區

Thu, 24 Apr 2025 18:42:57 +0800

可以試試看先刷Tomato，讓舊機有機會再重生了。

Tomato 後續延伸版本 FreshTomato in 數位天堂 : Tomato firmware 討論區

Thu, 24 Apr 2025 12:16:30 +0800

試問有Ac66u 可用中文話軟件嗎？！我試過都無法使用。

[Tomato Shibby] 正體中文化韌體下載 in 數位天堂 : Tomato firmware 討論區

Thu, 24 Apr 2025 10:21:35 +0800

我使用 Shibby 130 AC66u版本會無法登入使用？！

[Tomato Shibby] 正體中文化韌體下載 in 數位天堂 : Tomato firmware 討論區

Thu, 24 Apr 2025 08:42:16 +0800

請問 ac66u b1 要使用哪個版本呢? 我使用 Shibby 130 AC66u版本會無法登入使用？！