PC configuration for AI LLM training: memory and compute math for pretraining, full fine-tuning, LoRA and QLoRA, reference builds, prices, RAM, SSD, PSU tips.
DeepSeek local deployment cost: hardware prices, electricity and official API rates for distills, V4.1 Flash and the API, with break-even months worked out.
AI 大模型训练电脑配置指南：预训练、全量微调、LoRA 与 QLoRA 的显存与算力算式，五档整机参考价、内存硬盘电源建议，以及一次微调要多少小时。
DeepSeek 本地部署费用到底多少？按蒸馏版、V4.1 Flash 与 API 三条路线，列出硬件价格、电费、官方 API 价格，并给出回本月数的计算过程与假设。
Qwen 本地部署硬件要求怎么算？按官方配置推导 KV 缓存，列出 4B、9B、27B、35B-A3B、122B 的显存与内存需求、带宽速度上限和推荐显卡，附算式。
4090 能跑多大的模型？按 BF16、Q8、Q4 与内存卸载分别计算 24GB 显存的参数上限，对比 8B、32B、70B、MoE 的体积与速度上限，并给出双卡与替代方案。
Using numbat as a case study: GDN+MLA, NVFP4 and MTP explained, how many GPUs 7.72 TB needs, why it can’t run locally, and how to spot fake leaked models.
以 numbat 为例拆解 14T 参数 MoE 的 GDN+MLA、NVFP4、MTP，算出 7.72TB 需要多少显卡，并讲清识别假泄露模型、恶意 pickle 与法律风险。
Run DeepSeek V4.1 Flash on 12GB VRAM via SSD expert streaming: expert placement, a tokens/s estimate with stated assumptions, Strata’s numbers, SSD tiers.
12GB 显存跑 DeepSeek V4.1 Flash 靠 SSD 流式加载：专家怎么放、每秒几个 token 的推算与 Strata 实测、固态硬盘与内存分级、替代路线。
