关于

为什么我们要把这些数字公开

买显卡跑大模型，最容易踩的坑是「参数表看着都行，真跑起来差很远」：显存够不等于能装下、能装下不等于跑得快、跑得快不等于能同时服务很多人。

给不懂技术的人

直接看每个配置下面的生成案例 —— 实际跑出来什么效果、多快、能不能直接用于业务，一眼就能判断。

给懂技术的人

每个配置都有实测数据：单卡容量、单路速度、多路并发与测试口径都会公开展示。

给要采购的人

已收录配置都会写清适合什么、不适合什么，并展示我们实测出来的取舍与限制。

01 数据来源

杭州博原人工智能科技有限责任公司

站内既有显卡方案与测试结果默认均为博原方案 / 博原实测；若引用外部开源或第三方方案，会在配置页和实测页单独标注来源并给出可追溯链接。

站内既有 RTX 5090、RTX PRO 6000、RTX 3080 Laptop、RTX 2080 Ti 等方案与测试结果，默认均为博原方案；页面会展示对应的吞吐、并发、上下文与限制。

外部方案不会混入博原实测。例如 JakeATX / llamAmpere 会明确显示 GitHub 来源、版本与原作者测试口径；这些数字只有在博原重新复测后才会转为“博原实测”。

每档配置都写了「不适合什么」：例如同样的四张卡张量并行会因跨卡通信变慢、长上下文超过 12 万字时单卡副本装不下、超配会变慢但不会崩。这些取舍都写在对应页面上。

先看这一节，能避免大部分误读

「单卡」回答的是：一张卡能不能装下、一张卡能跑多快。它决定了你的起步成本。
「单路」回答的是：只有一个人用的时候，等多久、每秒出多少字。这是体验好不好。
「多路」回答的是：很多人同时用的时候，总体能扛多少、每个人还剩下多少。这是能不能上线。
「聚合输入吞吐（tok/s）」是长上下文批处理口径：输入 token ÷ 整轮耗时，已包含生成阶段，因此会低估真正的读取速度；它与「单路生成 tok/s」不是一回事，不能混着比。
长上下文场景区分两种用法：冷启动（第一次读一篇全新材料，首 token 从数十秒到数分钟）与多轮追问（同一份材料反复问，缓存命中后首 token 约 2 秒）。
既有配置与测试默认均为博原方案 / 博原实测；引用 GitHub 开源方案、第三方数据或网络资料时会单独标注来源、版本与链接，不与博原实测混用。

三条入口，对应三种提问方式

配置看硬件性能，模型看部署实测，案例看模型能力；三条路径互相独立又可以交叉查看。

告诉我们你的场景与并发规模，我们给一版实测过的配置建议

电话待填写

邮箱待填写

微信 / 企业微信待填写

地址浙江省杭州市（待填写详细地址）

以上为对外联系方式的占位，填入真实信息后即可上线（改 app/data/site.ts 的 contact）。

数据更新

2026-09-27

覆盖范围

8 档配置 · 9 个模型实测组合 · 10 个生成案例

数据来源

数据来源：杭州博原人工智能科技有限责任公司