上一篇我把 DeepSeek-V4-Flash 塞进了八张 RTX 3090，结尾留下两件事：给 3090 测 DSpark 投机解码，再找两张 RTX PRO 6000 跑官方权重。 现在两个坑都填上了。 结果比我预想得更夸张： 八卡 RTX 3090 把 DSpark 参数调对后，固定长输出的单路 Decode 从约 36 tok/s 提升到 61.26 tok/s。 双卡 RTX PRO 6000 的最快方案跑到了约 204 tok/s，长输入 Prefill 也稳定在约 3K tok/s。 不过先说清楚：这不是一场严格控制变量的 GPU 跑分。两边使用的权重、推理引擎、DSpark 配置和虚拟化环境都不同。本文比较的是我实际能部署出来的两套方案，不是单纯比较 RTX 3090 和 RTX PRO 6000 的理论算力。 ...
前两天还在纸面上计算 DeepSeek-V4-Flash 本地部署需要多少硬件，这次不继续算账了，直接上机器。 我最快能调动的本地算力就是八张 RTX 3090。为了腾显存，还把其中四张卡上常驻的 Qwen3.6-27B 服务停了。模型前一天晚上就开始下载，结果中途网络断掉，第二天又重新来了一遍。百兆网拉一百多 GB 的模型，确实很磨人。 ...
从一次 Tool Call 走到真正会继续工作的 Agent Loop：模型调用工具、观察结果、继续决策，直到给出最终回答或触发停止条件。 昨天上班看日报时，很开心看到 DeepSeek-v4-flash-0731 正式发布，对它期待甚高。一直以来主力模型都是海外模型，但是频频封号、支付困难，层层难关只是为了给老外送钱，心里很不是滋味。倒不是要站位，只是被卡脖子的滋味不好受，在哪个领域都一样。 ...
手把手教你从零开发一个 Agent（1）。本期主要深入讲：什么是 Function Calling，什么是 tools，以及 LLM 实际看到了什么。 工具调用不是模型直接执行了你的函数。模型做的是读取工具说明，生成一段结构化的调用请求；真正的函数由应用侧执行，结果再回传给模型，由模型组织最终回复。 ...
本系列应该会放 Coding Agent 的教程，以及如何开发一个 Agent，后续会往 pi-agent 的实现思路继续学习。 我会按真实开发经历梳理记录，并尽量从需求倒推实现。这样比较好理解，但弊端也很明显：我会在这个过程中踩坑，而且有些坑可能要过一阵子才意识到。再叠个甲，笔者也是小菜鸟，如有错误，欢迎指出。 ...