该帖子仅包含一个图片链接，无实质可翻译内容

原帖作者收到新设备，评论者们主要聚焦于设备运行Deepseek相关模型的情况。大家分享模型的下载进度、运行参数、不同版本的适用性，还给出了关于模型测试（如基准测试、不同上下文规模下的测试等）的建议，并涉及设备性能、网络速度、功耗等相关话题，整个讨论充满技术交流氛围，积极且有深度。

👍 对Deepseek R1模型进行探索和测试
- 支持理由：多个评论者下载模型并分享下载进度、运行时的情况，如每秒标记数等性能指标。
- 反对声音：无
🔥 新设备能够运行特定的大型模型且速度不错
- 正方观点：设备性能足以支持运行大型模型且有不错的生成速度。
- 反方观点：无
💡 需要看到不同上下文规模下相同提示的实际基准测试
- 理由：可以更全面地了解模型在不同情况下的性能表现。
💡 推荐DeepSeek R1的671b版本及相关模型
- 理由：分享者认为该版本不错并提供自己的模型方便他人访问。
💡 对有人使用特定设备感到高兴
- 理由：设备可能具有较好的性能，可以运行一些大型模型。

“😂 So nice to see people are settling for the greatest little box in the history of mankind!”
- 亮点：以一种诙谐的方式表达对他人使用设备的高兴之情。
“🤔 Nice. It should be capable of running huge MoE models like R1 or conventional models up to 70B with decent TG speed”
- 亮点：简洁地指出设备能够运行大型模型且速度不错。
“👀 yep thats too big i need some vram for context”
- 亮点：表明在模型运行时显存对于上下文处理的重要性。

总体情感倾向积极，大家都在积极分享关于模型和设备的相关信息，没有明显的分歧点。可能的原因是大家都对新设备和模型感兴趣，并且专注于技术交流。

详细内容：

标题：关于新设备的热烈讨论

在 Reddit 上，一则“ So i just received my new Rig ”的帖子引起了众多网友的关注。此帖主要是分享新设备的相关情况，获得了大量的点赞和众多的评论。

帖子引发的讨论主要集中在设备的性能测试、模型下载与运行、功耗以及各种参数的配置等方面。核心问题在于如何准确评估不同模型在新设备上的运行效果。

讨论焦点与观点分析：

有人提到了 Deepseek R1 32B 和 70B ，并分享了下载和运行的经历。比如有人表示已下载并运行了 R1 671b ，最初能达到每秒 15.63 个令牌生成速度，随着任务复杂程度增加，速度有所下降。

有人建议进行不同规模上下文的真实世界基准测试，以获取更准确的性能指标。

有人分享了自己的网络下载速度对模型下载的影响，如有人表示自己只有 150 兆比特的网络，下载大型模型需要很长时间。

还有人关注设备在推理过程中的功耗情况，有人称运行 Gemma3 27b 时功耗约为 140 - 180 瓦特，运行更大模型时功耗可能会更高。

部分用户对模型的 prompt 处理速度表现出浓厚兴趣。

详细内容：#