DDR3内存条太便宜，上256G 512G跑本地大模型？完全没有必要，120B模型足够处理隐私和抗审查，要求高上在线AI，先赚钱！

视频文稿和资料：https://lcz.me/topic/2543 本期聊本地部署大模型该怎么选配置、跑什么模型才有实际意义。随着 Strata 等推理框架的发展，用 DDR3 洋垃圾平台搭配显卡也能尝试运行千问模型。视频从 64G、96G、128G 内存谈到双路服务器、512G 内存等配置，也分享了搭配 V100、3080、3060 等显卡的思路，并提醒大家别为了追求更大的数字不断堆硬件，最后把预算越抬越高。 模型方面，视频讨论千问 27B、千问 Flash Next 和 DeepSeek V4.1 Flash，聊到模型规模、MOE 激活参数、内存带宽、显存需求和多会话体验。我的看法是，本地部署可以优先处理隐私或需要本地运行的工作，其他复杂任务则可结合在线模型和 agent 协同完成；把模型跑流畅、真正用于工作，比单纯追逐超大模型更有价值。视频也提到本地运行开源权重不一定能复现官方推理效果，框架和硬件条件都会影响体验。 后续我计划把内容重心逐渐转向 ComfyUI，通过新的频道展示从零部署大模型和 ComfyUI、制作视频、音频与图片的实际流程，并公开项目数据，用实践检验效果。