每日模型实测雷达2026-11-04猜 5090 快两倍得到三格答案、跑五遍把第一遍的冠军换掉、六张 2016 年的卡凑出 192GB 跑 52.5 tok/s六组今天的实测：同一个模型改两个采样参数差 10.1 分、单跑六发六中的那个跑五遍只剩一分之五、他猜 5090 快两倍得到三格答案、六张 2016 年的卡 500 美元凑出 192GB 跑 52.5 tok/s——每组都写明先入为主被推翻在哪一格，以及作者自己承认的条件。
每日模型实测雷达2026-11-03草稿器过 10 万 token 变拖慢、四张 PRO 6000 的聚合从 3171 掉到 1606、装得进显存时新引擎慢 2 到 3 倍同一天的六组实测：四张 2017 年的 V100 上思考一开，草稿接受率从 2.27 掉到 1.39；四张 RTX PRO 6000 上加了草稿，聚合解码从 3171 掉到 1606；一张 64GB 矿卡上草稿器把 10 tok/s 变成 4.1；16G 卡上的 14B 只剩 2.6，日志里写着 0.00 MiB。
每日模型实测雷达2026-11-02四个引擎在同一台 Mac 上等 115 到 293 秒、八个 agent 合计 657 tok/s、标称 273 GB/s 实测 233.6同一天的五组实测：四台 DGX Spark 标称 273 GB/s 实测最高 233.6、Speedy 同一格预填 4,270 而解码 211、一台 M5 Max 上四个引擎等 115 到 293 秒、两张 3090 上八个 agent 合计 657 tok/s——每个数字都要配上它量的是什么才成立。2
每日模型实测雷达2026-11-01Q8 打开引擎加速开关掉到 Q2 水平、128k 里 57% 补成 94%、同样 16GB 内存一条 14 tok/s 两条 24五组实测各只换掉了一处：引擎的加速开关把 Q8 的 KLD 推到 2 比特档、128k 窗口里掉到 57% 的那组任务靠两处压缩补丁补回 94%、一张 33 题的榜修完语料名次仍在噪声里、同样 16GB 内存一根条 14 tok/s 两根条 24、一个字段名换来 503 或 200。1
每日模型实测雷达2026-10-31同一批 GSQ-RCO 权重两家量化差 8 分，同一个 27B 一家说没法写代码、一家说 110K 上下文还剩 1.5GB五组 10 月 30 至 31 日的成对实测：同一批 GSQ-RCO 权重两家量化差 8 分、同一个 27B 一边说没法写代码一边说 110K 上下文还剩 1.5GB、INT4 的循环率是 INT8 的 2.5 倍、3500 块的二手 V100 预填 1,180、两张 3090 与一张 4090 只差 10%。1
每日模型实测雷达2026-10-30十个客户端跑同一个 27B：通过率只差一题，token 从 9.2k 到 107.9k；同一张 B60 搬进 WSL2，生成慢 8.8 倍五组 10 月 29 至 30 日的实测，换掉的都是模型外面那一层：十个客户端的 token 差 11.7 倍、端点上的权重被换掉后工具间思考从 85% 掉到 55%、同一张卡搬进 WSL2 生成慢 8.8 倍、四倍显存换 1.6 倍吞吐、砍掉六成思考 token 掉 0.46 分。1
每日模型实测雷达2026-10-29四个裁判在 64 道题里只有 20 道选了同一个答案；剪掉 32 个专家，WER 只动 0.03五组 10 月 28 至 29 日的实测，每组都在给那个差配一把尺子：裁判之间的 0.4 分、剪掉 32 个专家的 0.03 个 WER 点、百页档掉 7.5 分与 55 分、1.9 倍里的 0.77 倍，以及同一道机器人题上的 3,270 次与 514 次动作。1
每日模型实测雷达2026-10-28900 t/s 是预填、20 tok/s 出自 48GB 的机器、72% 与 68% 的差 p=0.38七组当日实测逐条拆开：AA 智能指数换到 v5 后六成是私题、四个本地模型在同一张 16GB 卡上各跑 112 次、一张 P40 的深度曲线、三篇公众号的预填与生成，以及四台 GB10 的八路合计。1
每日模型实测雷达2026-10-27Cohere 说不到十万分之一、复现脚本从第 2,323 个 token 开始；同一张 5090 上六个引擎差 32%六组来自 Cohere 报告、Reddit、小红书与公众号的实测，每组都把同一件事的两份记录摆在一起：trace 的评测读数与复现脚本的构造、六个引擎的六套配置、团队与单人的账单、九成与一成的缓存命中率。
每日模型实测雷达2026-10-264090 的指令吞吐翻一倍、2080 Ti 只换回 4.15%、KV 降到 5 比特要留一道 2k 窗口七组来自公众号、小红书、Reddit、X 与 arXiv 的实测：每个「翻倍」都量在硬件或内核那一层，旁边写着它到真实任务里被哪道墙截住——功耗上限、PCIe 通道、张量利用率、缓存窗口，或一道训练。
每日模型实测雷达2026-10-25Kimi 在真机上只推进 9%、2 bit 与基座三项同分、4B 整理文件夹不如 2B六组来自 X、Reddit、小红书与公众号的实测，每组都在读数旁边写着它是怎么量出来的：Kimi 在真机上只推进 9%、2 bit 与基座三项同分、4B 整理文件夹不如 2B。1
每日模型实测雷达2026-10-24Kimi K3.1 在公共榜排第四、143 次展开 T 恤一次没成、1,351 个植入的 bug 一个没抓到七个来自 X、Reddit、小红书与公众号的实测，每组都在主读数旁边给出没人转述的那一栏：143 次展衣零成功、1,351 个植入的 bug 抓不到一个、旗舰模型加记忆层反而更贵。1
