← 返回研究筆記 遊戲美術 / 2016 年 2 月 2 日 利用型態變化組合快速設計角色 更新於 2020 年 1 月 29 日 發想方法 基本非固定結合機械磨損增加或減少變形增長融合 物種矩陣 人洋娃娃哺乳禽鳥爬蟲兩棲魚昆蟲植物機械建築器具其他 身體部位 角耳眼牙舌頭翅膀尾巴爪皮膚鉗子 裝扮變化 穿著覆蓋物飾品化妝包裹持有物 個性矩陣 行為地位職業角色扮演追求目標 分享此文: 分享到 Facebook(在新視窗中開啟) Facebook 分享到 X(在新視窗中開啟) X 分享到 LinkedIn(在新視窗中開啟) LinkedIn
人工智慧 / 2026 年 10 月 14 日 Strata 硬體升級成本與效益:換 GPU、PCIe 5、DDR5 能省多少時間? 以 RTX 5060 Ti 16GB 為基準,比較含 RTX 5090 的原版 IQ3_XXS 升級情境,以及 Swift IQ2_XS 的歷史成本、CPU 跑分與實測耗時;清楚區分條件式預測、實測結… 閱讀文章: Strata 硬體升級成本與效益:換 GPU、PCIe 5、DDR5 能省多少時間?↗
人工智慧 / 2026 年 10 月 14 日 Strata 硬體效能預測公式:GPU、顯存、DDR 與 PCIe 如何影響速度 以 15 筆配置、14 台主機建立 IQ3_XXS 的六因子經驗公式,分開估算 Prefill、Decode 與耗時,並交代驗證誤差、實測與假設、適用範圍。 閱讀文章: Strata 硬體效能預測公式:GPU、顯存、DDR 與 PCIe 如何影響速度↗
人工智慧 / 2026 年 10 月 14 日 Strata 模型比較與實測成績:IQ2_XS、IQ3_XXS、IQ3_S 的速度、分數與記憶體 整理 RTX 5060 Ti 16GB、64 GiB RAM 執行 Qwen3.8-Flash-Next 的九次實測,對照 Strata 作者的速度,並比較 ISTA 量化分數、模型大小與 RAM 用… 閱讀文章: Strata 模型比較與實測成績:IQ2_XS、IQ3_XXS、IQ3_S 的速度、分數與記憶體↗