64 GB RAM，搭配 RTX 5060 Ti 16 GB，這台主機已成功載入並執行 Qwen3.8-Flash-Next UD-IQ4_XS 的推理請求。本次使用的是 Huihui v2 版本，由 Strata 0.1.47 執行；安裝的 64 GB RAM 中，系統可使用總容量以 63.8 GB 計算。主模型的全部 routed experts 約 55.43 GB，啟動紀錄顯示已完整鎖定在實體 RAM，量測快照中 Strata 引擎另使用約 13.39 GB VRAM，實際用量會隨工作負載變動。
讓這個配置成立的關鍵，是模型資料分布在 RAM、VRAM 與磁碟：87.25 GB 的主模型檔案中，約 26.82 GB 的 PLE 表按需從磁碟讀取，GPU 則保存常用專家快取與運算資料。本次快照的全機分頁檔已用約 2.46 GB，無法精確歸屬到 Strata；先前日常運行時約有 1～2 GB 可用 RAM。本文以這次已執行請求後的量測，詳列四類資源的容量與比例，說明這台 64 GB RAM 主機如何跑起模型，以及現有證據能支持的範圍。
本配置另設定 STRATA_，關閉尾端專家略過機制，讓符合該機制略過條件的已選中專家仍參與計算。這項設定會影響解碼速度與輸出結果，是解讀後續效能數據的重要條件。
實測速度：32K Prefill 與 4K Decode
在同一台 RTX 5060 Ti 16 GB、64 GB RAM 主機上，模型為 Huihui v2 UD-IQ4_XS，使用 Strata 0.1.47，上下文上限設定為 64K（65,536 tokens）。以下是另行補測的速度結果；本文的記憶體用量主要來自先前快照，可用 RAM 另列先前日常運行的範圍。
2026-10-24 重測：以下為 Strata 重啟後，沿用相同測試流程取得的新結果。
| 測試 | 第一次 （tok/s） | 第二次 （tok/s） | 第三次 （tok/s） | 中位數 （tok/s） |
|---|---|---|---|---|
| 32K Prefill | 1,268.9 | 1,294.2 | 1,295.3 | 1,294.2 |
| 4K Decode | 43.2 | 39.8 | 48.4 | 43.2 |
測試條件：
- Prefill：每次輸入 32,768 tokens，測量提示詞處理速度。
- Decode：每次輸入 4,096 tokens，完整生成 512 tokens，測量輸出生成速度；「4K」指輸入長度。
- 使用程式碼負載，temperature 0，關閉 thinking。
- 兩項測試各執行三次，共六次請求；每次都確認提示快取命中為 0。
- 速度採引擎回傳計時，中位數由各項測試的三次結果計算。
測量條件與單位
除明確標示 MiB／GiB 的參數單位外，全文容量均以 bytes ÷ 1024³ 換算，統一標為 GB，沿用本機 Windows 記憶體畫面的標示習慣。這是二進位換算，與硬碟廠商以十進位計算的 GB 不同。RAM 比例一律以使用者指定的 63.8 GB 為分母；「63.8 GB 可用容量」在本文指系統可使用的實體 RAM 總容量，不是當下尚未使用的空間。
| 項目 | 配置與量測條件 |
|---|---|
| GPU | NVIDIA GeForce RTX 5060 Ti，VRAM 16 GB |
| VRAM 預留 | --vram-reserve-mib 700：700 MiB |
| RAM | 安裝 64 GB，比例計算採可用總容量 63.8 GB |
| Strata | 0.1.47，CUDA 13； 原始碼對應 commit 76f90e58436d |
| 模型 | Qwen3.8-Flash-Next Huihui v2，UD-IQ4_XS，三個 GGUF 分片 |
| 執行方式 | 完整載入主模型專家 arena； expert-cache auto； prefill auto |
| 尾端專家略過 | STRATA_；已關閉 |
| 上下文與推測解碼 | max-context 65,536、KV int8、spec 4、spec-min-p 0.5、MTP 開啟 |
| KV Cache 配置 | 關閉 KV streaming； 未使用 –kv-resident； KV Cache 全部位於 VRAM |
| 其他配置 | HC Q8 開啟； Vision 開啟且設為 CPU； PLE 使用 direct I/O |
| 時間 | 啟動：2026-10-23 17:47； 主快照：2026-10-24 00:22，UTC+8； 控制程序另行補查 |
| 測量範圍 | 已載入並執行過請求後的現況快照； 不是滿上下文或高負載峰值測試 |
下文「實測」指 Windows 計數器或檔案長度；「配置」來自本次啟動日誌與相同版本原始碼；「估算」包含尚未逐頁去重的跨計數器推算。不同時間的工作量、其他程式與配置會改變結果。
把 RAM 留給專家：關閉 KV streaming
為了將更多 RAM 留給專家權重，此配置移除了 --kv-resident 32768，關閉 KV streaming，讓 KV Cache 完整保留在 VRAM。相較於原先的配置，這省下約 0.77 GB 的 pinned RAM，同時讓 KV Cache 的 VRAM 占用估計增加 0.39 GB，壓縮 GPU 專家快取的可用空間。上下文上限仍為 64K（65,536 tokens），KV 精度維持 INT8。主模型專家權重仍常駐 RAM。
先看四類資源的總覽
| 資源 | 容量／用量 | 比例與分母 | 證據範圍 |
|---|---|---|---|
| VRAM： Strata 引擎 | 13.39 GB | 83.70% ／16 GB | Windows GPU 程序專用記憶體快照 |
| RAM： 主模型全部 routed experts | 約 55.43 GB | 86.88% ／63.8 GB | 權重有效載荷；本次啟動日誌顯示整個 arena 已鎖定 |
| RAM： Strata 整體 | 粗估約 56.4 GB | 約 88.4% ／63.8 GB | 包含引擎、控制與 Vision 程序；跨計數器估算，非逐頁精確總量 |
| 磁碟分頁： 全機已用 | 2.46 GB | 5.35% ／46 GB 分頁檔 | 全系統數字，無法分配到單一程序 |
| 磁碟： 模型與配套檔案（含 PLE） | 90.25 GB | 97.64% ／本次盤點的 92.44 GB 部署檔案 | 主模型、pack、MTP、Vision |
這四欄不能直接相加成模型大小。磁碟保存模型檔案，RAM 載入專家權重，VRAM 再保存其中一部分專家的快取副本；同一份邏輯權重可能同時占用不同硬體資源。分頁檔本身也位於磁碟，不能在磁碟總量中重複計入。
RAM：55.43 GB 的全部專家放在哪裡？
pack 的專家索引記錄主模型 routed-expert 有效載荷為 59,519,795,200 bytes，即約 55.43 GB；三個 GGUF 的 tensor metadata 也得到相同結果。這包含 48 層、每層 512 個 routed experts，合計 24,576 個「層 × 專家」組合。配置對齊會另有極少量開銷。
日誌中的「44 GB pinned」與「10.78 GB VirtualLock」是同一個 expert arena 的兩個區段，不是兩套額外權重：
| 鎖定方式 | 容量 | 占 63.8 GB RAM | 解讀 |
|---|---|---|---|
| CUDA pinned， 前 39 個 slices | 約 44.65 GB | 69.99% | 原始日誌只印整數 44； 依對應權重區段換算約 44.65 |
| VirtualLock， 其餘尾段 | 約 10.78 GB | 16.90% | CUDA 無法註冊全部區段後，尾段改用 Windows 鎖定 |
| 主模型專家有效載荷合計 | 約 55.43 GB | 86.88% | 兩種方式覆蓋整個 arena； 尾段鎖定數字含對齊差異 |
依照本次啟動日誌與 相同版本的 pinned 實作，程式先逐段執行 CUDA host registration，再只對剩餘尾段呼叫 resident lock。尾段成功訊息表示該區段的 VirtualLock 已完成，因此可判定本次載入時，全部主模型專家 arena 都成功鎖在實體 RAM。這是日誌及程式路徑的判定，並非本次取得了整個程序的逐頁掃描結果。
Microsoft 的 VirtualLock 文件指出，成功鎖定的頁面在解除鎖定或程序終止前會保留於實體記憶體，不會寫入 pagefile。CUDA 的 page-locked host memory同樣屬於不可換出的主機記憶體。整體 CUDA 註冊失敗或 large pages 未成功，不能單憑這兩句就斷言專家已被換到磁碟；本次仍有逐段 pinned 與 VirtualLock 的成功後備路徑。
這裡的「全部專家」特指主模型 routed experts。Embedding、PLE、主模型其他權重、MTP 與 Vision 另外列帳；並不表示磁碟上 87.25 GB 的整個 GGUF 都常駐 RAM。
扣除專家後的 8.37 GB，還要容納哪些東西？
63.8 − 55.43 ≈ 8.37 GB。這約占 RAM 的 13.12%，必須共同容納 Strata 其他主機資料、Windows、驅動程式、其他應用程式及當下可用空間。它不是「Windows 固定使用量」，也不是全部留給 Strata 的餘裕。
| Strata 其他 RAM 項目 | 容量 | 占 63.8 GB | 數字性質／說明 |
|---|---|---|---|
| Token embedding， Q8_0 | 約 0.6290 GB | 0.9860% | 本次載入 mapped host memory； 由 tensor 大小核對 |
| PLE 預填雙緩衝 | 約 0.1563 GB | 0.2449% | 8,192-token chunk 的配置計算； 不是整張 PLE 表 |
| 專家 host staging， 預設 16 slots | 約 0.05188 GB | 0.0813% | 按最大 expert blob 與預設槽位計算，非獨立駐留量實測 |
| Prefill 路由 ids／slots／sources | 約 0.000916 GB | 0.001435% | 三組主機整數陣列的配置計算 |
| Token ID 主機／上傳緩衝 | 約 0.000061 GB | 0.000096% | 8,192-token chunk 的配置計算 |
| QSA steps 主機／上傳緩衝 | 約 0.000244 GB | 0.000383% | 依 4 steps 計算 |
| Python 控制程序工作集 | 約 0.0144 GB | 約 0.0226% | 補查時的工作集，不代表 commit 或全部配置量 |
| Vision CPU 程序工作集 | 約 0.00057 GB | 約 0.0009% | 快照當下很小； 不能據此推定視覺權重不占任何資源 |
| 其他配置與開銷 | 未單獨量得 | 未能精確拆分 | 路由分組表、CPU worker stack／scratch、驗證 host staging、checkpoint、索引與 CUDA／驅動管理資料等 |
配置容量與當下工作集不是同一種數字，上表不應直接相加當作精確常駐量。啟動時會為後續 pinned buffers 暫時預留約 0.7813 GB，並在初始化過程中逐步交還或釋放。這是啟動階段的暫時預留空間，不應另外計入永久常駐 RAM，也不同於先前日常運行時剩餘的 1～2 GB 可用 RAM。程式依據可參考 prefill 緩衝配置及 pin budget 的釋放流程。
Strata 整體與作業系統各占多少 RAM？
Windows 此次回報 Strata 主引擎的工作集約 10.79 GB、GPU SharedUsage 約 45.60 GB。Shared GPU memory 使用的是系統 RAM，不是額外的實體 VRAM，也不是 pagefile。只看程序的 10.79 GB 工作集，會漏掉此配置下由 GPU／驅動相關計數器反映的大量主機記憶體。
將上述兩個計數器與控制、Vision 程序工作集交叉對照，可得到 Strata 整體約 56.4 GB的量級估算。但這些計數器沒有逐頁去重；Microsoft 對 GPU 計數器的說明也提醒程序數值可能包含共享資源，因此下表只能作為粗略分配，不能視為精確會計帳：
| RAM 粗估分配 | 約 GB | 占 63.8 GB |
|---|---|---|
| 主模型專家有效載荷 | 55.43 | 86.88% |
| Strata 其餘部分 | 0.97 | 約 1.52% |
| Windows、驅動與其他程式 | 5.4～6.4 | 約 8.46～10.03% |
| 先前日常運行時可用 RAM | 1～2 | 約 1.57～3.13% |
其中「Strata 其餘部分」是約 56.4 GB 減去專家有效載荷的估算差額；「Windows、驅動與其他程式」則以 63.8 − 56.4 −（1～2）≈ 5.4～6.4 GB 推算，承接 Strata 估算量的誤差，並非另一次獨立量測。可用 RAM 越多，這項估算餘額越小。可靠度較高的結論是：專家已占掉約 86.88%，其餘用途合計僅剩約 8.37 GB 的容量預算。先前日常運行時可用 RAM 約 1～2 GB，占總容量約 1.57～3.13%。
VRAM：16 GB 顯存的配置與預留空間
16 GB 顯存供 Strata 的 GPU 專家快取、其他權重及執行時配置使用。--vram-reserve-mib 設為 700 MiB，作為決定專家快取大小時保留的一般餘裕。本配置的 Vision 影像編碼器在 CPU 執行，不需要為編碼器另留 GPU 記憶體。下方的 13.39 GB 是量測時的 Strata 用量快照，不是固定上限或峰值。
量測時的 Windows GPU 專用記憶體計數器顯示，Strata 引擎使用約 13.39 GB，占 16 GB 的 83.70%。全卡計數器顯示約 14.07 GB，與 Strata 程序計數器的差額約 0.67 GB，可作為其他程序與系統圖形負載的量級參考；此差額未逐資源去重：
| VRAM 用量快照 | GB | 占 16 GB |
|---|---|---|
| Strata 引擎 | 13.39 | 83.70% |
| 其他／系統差額（估算） | 約 0.67 | 4.22% |
| 剩餘容量 | 約 1.93 | 12.09% |
| 全卡已用 | 14.07 | 87.91% |
以下將啟動日誌中的已知配置，與上述程序快照對照。配置訊息本身有四捨五入，且部分動態緩衝會隨請求變動：
| Strata VRAM 項目 | 約 GB | 占 16 GB | 內容／邊界 |
|---|---|---|---|
| 專家 GPU 快取 | 6.1500 | 38.44% | 2,732 個常駐槽位 |
| 原生投影權重 | 3.5343 | 22.09% | 已包含 HC Q8 約 0.63 GB |
| Canonical 小權重 | 0.2109 | 1.32% | 與原生投影分開配置 |
| MTP draft layer | 0.8555 | 5.35% | 包含草稿專家、dense 與該層狀態／緩衝 |
| 原生輸出 head | 0.4857 | 3.04% | 主模型輸出投影 |
| MTP draft head | 0.2079 | 1.30% | 與 MTP layer 分開配置 |
| Verify device buffers | 0.0853 | 0.53% | 最多 6-token 驗證視窗 |
| 上述已知項目小計 | 11.5295 | 72.06% | 啟動配置近似合計 |
| 未完整細分的差額 | 1.8621 | 11.64% | 主模型 KV／state、prefill／activation、CUDA 配置與其他緩衝等； 不是單一項目的實測 |
| Strata 程序專用 VRAM 合計 | 13.3917 | 83.70% | Windows 計數器快照 |
先前執行時，GPU 快取放入 2,732 個「層 × 專家」槽位，約為 24,576 個總槽位的 11.12%；這是槽位數量比例，不是命中率。快取約 6.15 GB，占 VRAM 38.44%。它是 RAM 專家權重的 GPU 副本，並不會把 RAM 中的全部專家替換掉。
閱讀日誌時有三個容易重複加總的地方：
- HC Q8 約 0.63 GB 已包含於原生投影約 3.53 GB。原始碼的容量統計已將它計入。
- Prefill 借用約 3.49 GB cache，包含於 6.15 GB 專家快取。這是既有槽位的借用，不是再配置一塊等量 VRAM。
- MTP layer 的專家、dense 與該層狀態屬於 0.8555 GB 的內部分項。MTP draft head 則是後續另行配置，可獨立列帳。
上表的約 1.86 GB 差額未取得完整逐配置快照，不能直接改名為「KV cache 1.86 GB」。本次雖設定最大上下文 65,536，也不代表已把這個長度的所有運行峰值測完。
磁碟分頁：全機用了 2.46 GB，Strata 用了多少？
| 分頁指標 | 容量 | 比例／解讀 |
|---|---|---|
| pagefile.sys 已配置容量 | 46.00 GB | 100% 的分頁檔容量 |
| 全系統快照已用 | 2.4609 GB | 占分頁檔 5.35% |
| 全系統峰值使用量 | 2.4756 GB | 占分頁檔 5.38%； 非本模型專屬峰值 |
| Strata 主模型已鎖定專家 | 鎖定期間不寫入 pagefile | 依成功鎖定語意與本次啟動紀錄判定 |
| Strata 其他未鎖定資料／Vision／控制程序 | 未能精確歸屬 | 本次沒有取得逐程序的實際 pagefile 駐留量 |
46 GB 是分頁檔本身的配置容量，2.46 GB 是先前快照中全機的使用量。不能寫成「Strata 另外使用 46 GB 虛擬記憶體」，也不能把全機的 2.46 GB 全部算給模型。只憑這組資料，可以確認系統整體有分頁檔使用量，但不能確認其中多少屬於 Strata 的其他資料。
主引擎的 private committed memory 約 72.95 GB，Vision 程序約 1.36 GB；這些是 commit 指標，不是實際寫入磁碟的量。例如不能用「72.95 − 56.4」推算 Strata 有十多 GB 在 pagefile。Microsoft 的記憶體效能指標對照也把部分名稱含 Page File 的程序計數器對應到 Commit Size，而不是分頁檔實際占用。
在約 00:02 的短時間閒置採樣中，分頁輸出率持續為 0；00:22 主快照的分頁輸入、輸出率也為 0。這表示那些觀測時刻沒有量到持續換出活動，不能證明長時間推理、模型載入或其他工作負載都完全沒有磁碟分頁。這次對引擎及 Vision 程序做進一步記憶體查詢時遭 Windows 存取權限拒絕，因此保留逐程序歸屬為未知。
磁碟分頁就是虛擬記憶體嗎？
兩者有關，但不能畫上等號。虛擬記憶體是程序使用虛擬位址，由作業系統映射到實體 RAM 或其他後備儲存的機制；pagefile 分頁是其中將可換出頁面保存在磁碟分頁檔的做法。已鎖在 RAM 的專家仍透過虛擬位址存取，只是不會在鎖定期間被換到 pagefile。
此外，Strata 按需讀取磁碟上的 PLE 表、啟動時讀取 GGUF、讀入 DLL 或檔案映射頁面，都可能造成磁碟 I/O；這些不等於 pagefile 換頁。硬性分頁錯誤也可能來自一般檔案，不能只看硬性錯誤就斷定模型正在使用磁碟分頁檔。
磁碟：87.25 GB 主模型，90.25 GB 模型部署，92.44 GB 含程式
檔案容量採檔案長度加總；不是下載壓縮包大小，也不是逐一量測 NTFS 配置叢集。一般檔案的實際磁碟配置可能因壓縮、稀疏或叢集對齊略有差異。本次只盤點這個模型所需的模型檔案與已安裝程式，不包含其他模型、轉換來源備份、安裝包、日誌及 Windows 本身。
| 磁碟項目 | GB | 占 92.44 GB 部署盤點 | 內容 |
|---|---|---|---|
| 主模型 GGUF， 三個分片 | 87.2487 | 94.39% | Huihui v2 UD-IQ4_XS |
| 配套 pack 與 tokenizer | 1.3933 | 1.51% | dense.bin、索引、轉換資訊與 tokenizer |
| MTP runtime | 0.7677 | 0.83% | dense、experts、draft vocabulary 等 |
| Vision mmproj | 0.8452 | 0.91% | 視覺投影模型 |
| Strata 已安裝主程式目錄 | 1.3653 | 1.48% | 含 control、內附 engine-bundle、harness、host、Node 與啟動程式 |
| 目前使用的獨立 engine component | 0.8160 | 0.88% | 0.1.47 CUDA 13； 與主程式內附引擎各有一份 |
| 總計 | 92.4363 | 100% | 其中模型及配套檔案合計 90.2550 GB |
內附 engine-bundle 與目前使用的 component 在本機確實各有一份，因此磁碟盤點把兩份都列入。這不表示執行時會在 RAM 或 VRAM 內載入兩套相同引擎。
若只比較模型部署的 90.25 GB，主模型 GGUF 占 96.67%、pack 占 1.54%、MTP 占 0.85%、Vision 占 0.94%。
主模型 87.25 GB 的內容拆分
以下讀取 GGUF headers 與 tensor metadata 計算，未把整個模型重新載入 RAM。分母僅為三個主模型 GGUF，與上一表的部署總量不同：
| GGUF 內容 | GB | 占 87.25 GB 主模型檔案 |
|---|---|---|
| 主模型 routed experts | 55.4321 | 63.5335% |
| PLE 大表 | 26.8222 | 30.7423% |
| Token embedding | 0.6290 | 0.7210% |
| 原生輸出 head | 0.4857 | 0.5566% |
| HC projections | 0.6290 | 0.7210% |
| Shared-expert 相關 tensors | 0.2339 | 0.2681% |
| 其他 tensors | 3.0064 | 3.4458% |
| Headers、metadata 與 padding | 0.0103 | 0.0118% |
| 合計 | 87.2487 | 100% |
PLE 約 26.82 GB 是「模型檔案比 RAM 專家權重大很多」的主要原因。本次採 direct I/O 按需讀取，不把整張表常駐 RAM；預填時的約 0.1563 GB 主機雙緩衝另列於 RAM 表中。PLE 存在磁碟上是模型的資料配置策略，並不是專家因 RAM 不夠而被寫進 pagefile。
本機所在磁碟區容量約 1,861.88 GB。上述 92.44 GB 模型與程式檔案約占磁碟區 4.96%。若另外把系統已配置的 46 GB 分頁檔納入空間規劃，兩者合計約 138.44 GB，占 7.44%；其中分頁檔為全系統共用，不能全部歸為 Strata 專用空間。已用的 2.46 GB 是 46 GB 裡的一部分，不應再加一次。
64 GB RAM 已能跑起，實際餘裕有多少？
這次的證據支持：主模型全部 routed experts 約 55.43 GB，已在啟動時完整鎖進 RAM；量測快照中 Strata 引擎約使用 13.39 GB 專用 VRAM，保存常用專家快取與其他運算資料。模型能運作的關鍵包含 CPU／GPU 分工、部分專家的 VRAM 副本，以及 PLE 按需從磁碟讀取。
容量壓力主要出現在 RAM：專家之外只有約 8.37 GB 的總預算，先前日常運行時可用 RAM 約 1～2 GB。即使鎖定專家本身不會分頁，Windows、其他程式及 Strata 未鎖定的資料仍可能承受記憶體壓力。全機已有約 2.46 GB pagefile 使用量，但這次資料不足以把它精確分配到 Strata。
因此，對這台主機最準確的描述是：全部主模型專家已鎖在 RAM，整體記憶體餘裕很小；不能進一步宣稱整台電腦或 Strata 所有資料都完全不用磁碟分頁。本次沒有進行滿上下文峰值或長時間壓力測試，本文數字應作為指定版本、設定與時間點的容量盤點。
資料來源與可重現範圍
- 本機 Windows CIM：作業系統實體記憶體、程序 WorkingSetSize／PrivatePageCount、GPUProcessMemory／GPUAdapterMemory、Win32_PageFileUsage；主快照時間為 2026-10-24 00:22（UTC+8）。
- 本次 Strata 0.1.47 啟動紀錄、模型專家索引、GGUF tensor metadata 及檔案長度，經統一容量換算與分項整理。
- Strata 對應版本原始碼，用來核對鎖定後備路徑、buffer 容量與重複統計項目。
- Microsoft：VirtualLock；Memory Performance Information；GPUs in the Task Manager。
- NVIDIA：Page-locked Host Memory。
百分比以未四捨五入的數字計算；表內四捨五入可能使加總略有差異。「未知」表示本次未取得足夠資料，並不代表容量為零。
雙機分工：推理與開發各自保有運算資源
上圖左側的 AI INFERENCE NODE 專責模型推理與 AI Agent 服務，右側的 DEV WORKSTATION 則負責程式開發、測試與 AI Coding。兩台主機各自使用獨立的 CPU、GPU 與記憶體，讓推理服務與開發工作不會互相搶占同一台主機的運算資源，也能把推理主機的記憶體空間留給模型。
將 IDE、編譯與測試等開發工作交由 DEV WORKSTATION 處理，可以減少 AI INFERENCE NODE 上的 RAM 占用，把 64GB RAM 中更多可用空間留給模型。雙機配置讓推理主機騰出更多 RAM，因而有更多空間載入並執行更大的模型。對本文這種記憶體餘裕有限的配置，這正是將推理服務與日常開發分開的實際價值。
| 項目 | AI INFERENCE NODE 推理主機（左） | DEV WORKSTATION 開發主機（右） |
|---|---|---|
| 主要用途 | 模型推理、AI Agent 服務 | 程式開發、測試、AI Coding |
| CPU | Intel Core i7-11700 | Intel Core i7-11700 |
| 主機板 | ASUS PRIME B560M-K | ASUS PRIME B560M-K |
| 顯示卡 | ASUS Dual GeForce RTX 5060 Ti 16GB | ZOTAC GAMING GeForce RTX 4060 8GB SOLO |
| 記憶體 | Micron Crucial PRO DDR4-3200 64GB（32GB × 2） | ADATA DDR4-3600 32GB（16GB × 2） |
| SSD 1 | Corsair Force MP600 2TB | Corsair Force MP600 2TB |
| SSD 2 | Seagate FireCuda 520 2TB | Seagate FireCuda 520 2TB |
| HDD | Toshiba MG08ACA16TE 16TB × 1 | Toshiba MG08ACA16TE 16TB × 2 |
| 作業系統 | Windows 11 Home | Windows 11 專業版 |
| 機殼 | FSP 全漢 CST350 | FSP 全漢 CST350 |
| 電源供應器 | FSP 全漢金鋼彈 550W 80PLUS 金牌／SFX | FSP 全漢金鋼彈 550W 80PLUS 金牌／SFX |
留言討論