Reddit 用户 neuroma 在两块 AMD Radeon R9700（每块 32GB）上把 DeepSeek-V4-Flash 跑到了 40-50 tok/s、撑起 262K 上下文——这是开源大模型第一次在非英伟达消费级显卡上接近实用速度。

这是什么

关键不是又一张跑分贴，而是三件同时发生的事：一、有人为 V4-Flash 写了专用推理引擎 affinity（模型在硬件上执行计算的中间软件），作者 Yoshi Exeler，思路是热门专家层留 GPU、其余从内存流式读取。二、neuroma 在 Hugging Face（AI 模型开源社区）放出预量化版本，省掉 149GB 下载和 2.5 小时量化时间。三、整套方案跑通 15 轮让 AI 自主调工具的 Excel 转 DuckDB 任务，每一轮工具调用都没出错。

行业怎么看

乐观的读法：AMD 消费级显卡第一次能稳定跑顶级开源模型，我们注意到过去「本地 AI = NVIDIA」的局面开始松动；企业自托管（把模型部署在自家服务器上）DeepSeek 级模型可能不再必须上 H100 集群。

但需要警惕：方案只支持 AMD 最新显卡架构 RDNA4、限两张卡、主机内存 64GB 起；该量化版本在温度参数 0.6 时会陷入推理循环，原作者也承认 V4.1 实验分支只有 14 tok/s。这是一个令人兴奋的信号，还不是生产可用的方案。

对普通人的影响

对企业 IT：自托管 DeepSeek 级模型不再必须买 NVIDIA 高端卡，两张中端 AMD 值得列入备选清单。

对个人职场：开发者和硬核玩家有新玩具，普通白领用不上——这是半年到一年后才会传到办公桌前的间接信号。

对消费市场：AMD 的「AI PC」叙事多了一个具体支点，长期可能挤压 NVIDIA 显卡定价，但短期不改变多数人购物选择。