民间开发者破解了 NVIDIA RTX 20、30、40 三代显卡被锁定的 Tensor Core 算力，无需更换硬件、刷 BIOS 或魔改驱动，通过底层方式解除性能限制。RTX 4090 算力从 165.6 翻倍至 331.6 TFLOPS，RTX 3090 Ti BF16 提升约 80%，部分老显卡如 RTX 2080 Ti 也接近翻倍。社区已发布多个 GitHub 开源项目和安装教程，Windows 11 上也有成功复现案例。不过有用户实测发现 token 输出速度反而下降，实际效果仍待验证。
作者对 Qwen-Image-2.1 模型的 NSFW 能力进行了 375 张生成与编辑测试，发现该模型没有稳定的拒绝机制，几乎能生成任何风格的敏感内容。但细节质量差，易出现多肢体、末端粘连和关键区域糊掉等肢体幻觉问题。更意外的是，外部 NSFW 检测器漏检率高，且挑画风、挑主体，评估器比模型更容易翻车。作者总结了上线此类模型需要做提示词拦截、输出隔离、人工复核和持续回归测试等系统性安全措施，强调安全部署是多环节问题，单一指标无法代表模型是否被管住。
本文详细介绍了如何从零完成 Microduck 双足机器人的强化学习训练与仿真全流程。文章使用 MuJoCo 物理引擎配合 Warp 在 RTX 4090 上并行运行 4096 个虚拟环境，通过 PPO 算法训练行走策略，并讲解了 61 维观测、奖励设计、域随机化、BAM 执行器仿真等核心概念。训练完成后将策略导出为 ONNX 文件，在 Mac mini 上进行 CPU 交互仿真验证，最终部署到实机。作者完整跑通了从环境配置、训练观察、checkpoint 选择到场景测试的工程流程，涵盖技术选型、软硬件要求和常见问题。
本文对比 NVIDIA DGX Spark 与双 48G 魔改 RTX 4090 两台偏科硬件，测试 Qwen3.8-27B（Dense）与 Ling-3.0-flash（稀疏 MoE）四个组合的推理表现。作者详细讲解 Dense/MoE 区别、显存带宽与算力的关系、投机解码与 MTP 原理，并给出单会话速度、并发吞吐的实测数据。结论是 Spark 适合跑 MoE 或量化模型，双 4090 借助高带宽速度更快，Ling 在并发服务上吞吐约为 Qwen 的 2.4 倍，并给出选购建议。
本文基于双 RTX 4090 本地部署 MiniMax H3 的实测数据，对比了 4V4A 与 8V8A 两种采样配置，以及 PyTorch 原生 Attention 与 Comfy Kitchen Attention（CK）后端的性能差异。结果显示，CK 可稳定提速 17%-24%，而步数多并不总是带来更好的效果，例如真人哭戏中 4 步反而产生更克制的单泪轨。作者提出两级候选制工作流：先用 4V4A+CK 快速筛选，再用 8V8A+CK 精修，并建议对真人表演类镜头进行 A/B 对比。
