64 GB RAM，搭配 RTX 5060 Ti 16 GB，这台主机已成功加载并执行 Qwen3.8-Flash-Next UD-IQ4_XS 的推理请求。本次使用的是 Huihui v2 版本，由 Strata 0.1.47 运行；安装的 64 GB RAM 中，系统可使用总容量以 63.8 GB 计算。主模型的全部 routed experts 约 55.43 GB，启动日志显示已完整锁定在物理 RAM，测量快照中 Strata 引擎另使用约 13.39 GB VRAM，实际用量会随工作负载变化。
让这个配置成立的关键，是模型数据分布在 RAM、VRAM 与磁盘：87.25 GB 的主模型文件中，约 26.82 GB 的 PLE 表按需从磁盘读取，GPU 则保存常用专家缓存与运算数据。本次快照的整机分页文件已用约 2.46 GB，无法精确归属到 Strata；此前日常运行时约有 1～2 GB 可用 RAM。本文根据本次执行请求后的测量，详列四类资源的容量与比例，说明这台 64 GB RAM 主机如何跑起模型，以及现有证据能支持的范围。
本配置另设置 STRATA_，关闭尾部专家跳过机制，让符合该机制跳过条件的已选中专家仍参与计算。这项设置会影响解码速度与输出结果，是解读后续性能数据的重要条件。
实测速度：32K Prefill 与 4K Decode
在同一台 RTX 5060 Ti 16 GB、64 GB RAM 主机上，模型为 Huihui v2 UD-IQ4_XS，使用 Strata 0.1.47，上下文上限设置为 64K（65,536 tokens）。以下是另行补测的速度结果；本文的内存用量主要来自此前快照，可用 RAM 另列此前日常运行的范围。
2026-10-24 重测：以下为 Strata 重启后，沿用相同测试流程取得的新结果。
| 测试 | 第一次 （tok/s） | 第二次 （tok/s） | 第三次 （tok/s） | 中位数 （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 |
测试条件：
- Prefill：每次输入 32,768 tokens，测量提示词处理速度。
- Decode：每次输入 4,096 tokens，完整生成 512 tokens，测量输出生成速度；“4K”指输入长度。
- 使用代码负载，temperature 0，关闭 thinking。
- 两项测试各执行三次，共六次请求；每次都确认提示缓存命中为 0。
- 速度采用引擎返回计时，中位数由各项测试的三次结果计算。
测量条件与单位
除明确标示 MiB／GiB 的参数单位外，全文容量均以 bytes ÷ 1024³ 换算，统一标为 GB，沿用本机 Windows 内存界面的标注习惯。这是二进制换算，与硬盘厂商以十进制计算的 GB 不同。RAM 比例一律以用户指定的 63.8 GB 为分母；“63.8 GB 可用容量”在本文指系统可使用的物理 RAM 总容量，不是当下尚未使用的空间。
| 项目 | 配置与测量条件 |
|---|---|
| GPU | NVIDIA GeForce RTX 5060 Ti，VRAM 16 GB |
| VRAM 预留 | --vram-reserve-mib 700：700 MiB |
| RAM | 安装 64 GB，比例计算采用可用总容量 63.8 GB |
| Strata | 0.1.47，CUDA 13； 源代码对应 commit 76f90e58436d |
| 模型 | Qwen3.8-Flash-Next Huihui v2，UD-IQ4_XS，三个 GGUF 分片 |
| 运行方式 | 完整加载主模型专家 arena； expert-cache auto； prefill auto |
| 尾部专家跳过 | STRATA_；已关闭 |
| 上下文与推测解码 | max-context 65,536、KV int8、spec 4、spec-min-p 0.5、MTP 开启 |
| KV Cache 配置 | 关闭 KV streaming； 未使用 –kv-resident； KV Cache 全部位于 VRAM |
| 其他配置 | HC Q8 开启； Vision 开启且设为 CPU； PLE 使用 direct I/O |
| 时间 | 启动：2026-10-23 17:47； 主快照：2026-10-24 00:22，UTC+8； 控制进程另行补查 |
| 测量范围 | 已加载并执行过请求后的状态快照； 不是满上下文或高负载峰值测试 |
下文“实测”指 Windows 计数器或文件长度；“配置”来自本次启动日志与相同版本源代码；“估算”包含尚未逐页去重的跨计数器推算。不同时间的工作量、其他程序与配置会改变结果。
把 RAM 留给专家：关闭 KV streaming
为了将更多 RAM 留给专家权重，此配置移除了 --kv-resident 32768，关闭 KV streaming，让 KV Cache 完整保留在 VRAM。相较于原先的配置，这省下约 0.77 GB 的 pinned RAM，同时让 KV Cache 的 VRAM 占用估计增加 0.39 GB，压缩 GPU 专家缓存的可用空间。上下文上限仍为 64K（65,536 tokens），KV 精度维持 INT8。主模型专家权重仍常驻 RAM。
先看四类资源的总览
| 资源 | 容量／用量 | 比例与分母 | 证据范围 |
|---|---|---|---|
| VRAM： Strata 引擎 | 13.39 GB | 83.70% ／16 GB | Windows GPU 进程专用内存快照 |
| RAM： 主模型全部 routed experts | 约 55.43 GB | 86.88% ／63.8 GB | 权重有效载荷；本次启动日志显示整个 arena 已锁定 |
| RAM： Strata 整体 | 粗估约 56.4 GB | 约 88.4% ／63.8 GB | 包含引擎、控制与 Vision 进程；跨计数器估算，非逐页精确总量 |
| 磁盘分页： 整机已用 | 2.46 GB | 5.35% ／46 GB 分页文件 | 全系统数值，无法分配到单一进程 |
| 磁盘： 模型与配套文件 | 90.25 GB | 97.64% ／本次盘点的 92.44 GB 部署文件 | 主模型、pack、MTP、Vision |
| 磁盘： 模型加已安装程序 | 92.44 GB | 100% ／本次部署盘点范围 | 不含系统分页文件、其他模型、安装包与日志 |
这四栏不能直接相加成模型大小。磁盘保存模型文件，RAM 加载专家权重，VRAM 再保存其中一部分专家的缓存副本；同一份逻辑权重可能同时占用不同硬件资源。分页文件本身也位于磁盘，不能在磁盘总量中重复计入。
RAM：55.43 GB 的全部专家放在哪里？
pack 的专家索引记录主模型 routed-expert 有效载荷为 59,519,795,200 bytes，即约 55.43 GB；三个 GGUF 的 tensor metadata 也得到相同结果。这包含 48 层、每层 512 个 routed experts，合计 24,576 个“层 × 专家”组合。配置对齐会另有极少量开销。
日志中的“44 GB pinned”与“10.78 GB VirtualLock”是同一个 expert arena 的两个区段，不是两套额外权重：
| 锁定方式 | 容量 | 占 63.8 GB RAM | 解读 |
|---|---|---|---|
| CUDA pinned， 前 39 个 slices | 约 44.65 GB | 69.99% | 原始日志只输出整数 44； 依对应权重区段换算约 44.65 |
| VirtualLock， 其余尾段 | 约 10.78 GB | 16.90% | CUDA 无法注册全部区段后，尾段改用 Windows 锁定 |
| 主模型专家有效载荷合计 | 约 55.43 GB | 86.88% | 两种方式覆盖整个 arena； 尾段锁定数字含对齐差异 |
依照本次启动日志与 相同版本的 pinned 实现，程序先逐段执行 CUDA host registration，再只对剩余尾段调用 resident lock。尾段成功信息表示该区段的 VirtualLock 已完成，因此可判定本次加载时，全部主模型专家 arena 都成功锁在物理 RAM。这是日志及代码路径的判定，并非本次取得了整个进程的逐页扫描结果。
Microsoft 的 VirtualLock 文档指出，成功锁定的页面在解除锁定或进程终止前会保留于物理内存，不会写入 pagefile。CUDA 的 page-locked host memory同样属于不可换出的主机内存。整体 CUDA 注册失败或 large pages 未成功，不能单凭这两句就断言专家已被换到磁盘；本次仍有逐段 pinned 与 VirtualLock 的成功后备路径。
这里的“全部专家”特指主模型 routed experts。Embedding、PLE、主模型其他权重、MTP 与 Vision 另外统计；并不表示磁盘上 87.25 GB 的整个 GGUF 都常驻 RAM。
扣除专家后的 8.37 GB，还要容纳哪些东西？
63.8 − 55.43 ≈ 8.37 GB。这约占 RAM 的 13.12%，必须共同容纳 Strata 其他主机数据、Windows、驱动程序、其他应用程序及当下可用空间。它不是“Windows 固定使用量”，也不是全部留给 Strata 的余量。
| Strata 其他 RAM 项目 | 容量 | 占 63.8 GB | 数值性质／说明 |
|---|---|---|---|
| Token embedding， Q8_0 | 约 0.6290 GB | 0.9860% | 本次加载 mapped host memory； 由 tensor 大小核对 |
| PLE 预填充双缓冲 | 约 0.1563 GB | 0.2449% | 8,192-token chunk 的配置计算； 不是整张 PLE 表 |
| 专家 host staging， 默认 16 slots | 约 0.05188 GB | 0.0813% | 按最大 expert blob 与默认槽位计算，非独立驻留量实测 |
| Prefill 路由 ids／slots／sources | 约 0.000916 GB | 0.001435% | 三组主机整数数组的配置计算 |
| Token ID 主机／上传缓冲 | 约 0.000061 GB | 0.000096% | 8,192-token chunk 的配置计算 |
| QSA steps 主机／上传缓冲 | 约 0.000244 GB | 0.000383% | 依 4 steps 计算 |
| Python 控制进程工作集 | 约 0.0144 GB | 约 0.0226% | 补查时的工作集，不代表 commit 或全部配置量 |
| Vision CPU 进程工作集 | 约 0.00057 GB | 约 0.0009% | 快照当下很小； 不能据此推定视觉权重不占任何资源 |
| 其他配置与开销 | 未单独量得 | 未能精确拆分 | 路由分组表、CPU worker stack／scratch、验证 host staging、checkpoint、索引与 CUDA／驱动管理数据等 |
配置容量与当下工作集不是同一类数值，上表不应直接相加当作精确常驻量。启动时会为后续 pinned buffers 临时预留约 0.7813 GB，并在初始化过程中逐步交还或释放。这是启动阶段的临时预留空间，不应另外计入永久常驻 RAM，也不同于此前日常运行时剩余的 1～2 GB 可用 RAM。代码依据可参考 prefill 缓冲配置及 pin budget 的释放流程。
Strata 整体与操作系统各占多少 RAM？
Windows 此次报告 Strata 主引擎的工作集约 10.79 GB、GPU SharedUsage 约 45.60 GB。Shared GPU memory 使用的是系统 RAM，不是额外的物理 VRAM，也不是 pagefile。只看进程的 10.79 GB 工作集，会漏掉此配置下由 GPU／驱动相关计数器反映的大量主机内存。
将上述两个计数器与控制、Vision 进程工作集交叉对照，可得到 Strata 整体约 56.4 GB的量级估算。但这些计数器没有逐页去重；Microsoft 对 GPU 计数器的说明也提醒进程数值可能包含共享资源，因此下表只能作为粗略分配，不能视为精确会计账：
| RAM 粗估分配 | 约 GB | 占 63.8 GB |
|---|---|---|
| 主模型专家有效载荷 | 55.43 | 86.88% |
| Strata 其余部分 | 0.97 | 约 1.52% |
| Windows、驱动与其他程序 | 5.4～6.4 | 约 8.46～10.03% |
| 此前日常运行时可用 RAM | 1～2 | 约 1.57～3.13% |
其中“Strata 其余部分”是约 56.4 GB 减去专家有效载荷的估算差额；“Windows、驱动与其他程序”则以 63.8 − 56.4 −（1～2）≈ 5.4～6.4 GB 推算，承接 Strata 估算量的误差，并非另一次独立测量。可用 RAM 越多，这项估算余额越小。可靠性较高的结论是：专家已占掉约 86.88%，其余用途合计仅剩约 8.37 GB 的容量预算。此前日常运行时可用 RAM 约 1～2 GB，占总容量约 1.57～3.13%。
VRAM：16 GB 显存的分配与预留空间
16 GB 显存供 Strata 的 GPU 专家缓存、其他权重及运行时分配使用。--vram-reserve-mib 设为 700 MiB，作为确定专家缓存大小时保留的一般余量。本配置的 Vision 图像编码器在 CPU 运行，不需要为编码器另留 GPU 内存。下方的 13.39 GB 是测量时的 Strata 用量快照，不是固定上限或峰值。
测量时的 Windows GPU 专用内存计数器显示，Strata 引擎使用约 13.39 GB，占 16 GB 的 83.70%。全卡计数器显示约 14.07 GB，与 Strata 进程计数器的差额约 0.67 GB，可作为其他进程与系统图形负载的量级参考；此差额未逐资源去重：
| VRAM 用量快照 | GB | 占 16 GB |
|---|---|---|
| Strata 引擎 | 13.39 | 83.70% |
| 其他／系统差额（估算） | 约 0.67 | 4.22% |
| 剩余容量 | 约 1.93 | 12.09% |
| 全卡已用 | 14.07 | 87.91% |
以下将启动日志中的已知配置，与上述进程快照对照。配置信息本身有四舍五入，且部分动态缓冲会随请求变动：
| Strata VRAM 项目 | 约 GB | 占 16 GB | 内容／边界 |
|---|---|---|---|
| 专家 GPU 缓存 | 6.1500 | 38.44% | 2,732 个常驻槽位 |
| 原生投影权重 | 3.5343 | 22.09% | 已包含 HC Q8 约 0.63 GB |
| Canonical 小权重 | 0.2109 | 1.32% | 与原生投影分开配置 |
| MTP draft layer | 0.8555 | 5.35% | 包含草稿专家、dense 与该层状态／缓冲 |
| 原生输出 head | 0.4857 | 3.04% | 主模型输出投影 |
| MTP draft head | 0.2079 | 1.30% | 与 MTP layer 分开配置 |
| Verify device buffers | 0.0853 | 0.53% | 最多 6-token 验证窗口 |
| 上述已知项目小计 | 11.5295 | 72.06% | 启动配置近似合计 |
| 未完整细分的差额 | 1.8621 | 11.64% | 主模型 KV／state、prefill／activation、CUDA 配置与其他缓冲等； 不是单一项目的实测 |
| Strata 进程专用 VRAM 合计 | 13.3917 | 83.70% | Windows 计数器快照 |
此前运行时，GPU 缓存放入 2,732 个“层 × 专家”槽位，约为 24,576 个总槽位的 11.12%；这是槽位数量比例，不是命中率。缓存约 6.15 GB，占 VRAM 38.44%。它是 RAM 专家权重的 GPU 副本，并不会把 RAM 中的全部专家替换掉。
阅读日志时有三个容易重复加总的地方：
- HC Q8 约 0.63 GB 已包含于原生投影约 3.53 GB。源代码的容量统计已将它计入。
- Prefill 借用约 3.49 GB cache，包含于 6.15 GB 专家缓存。这是既有槽位的借用，不是再配置一块等量 VRAM。
- MTP layer 的专家、dense 与该层状态属于 0.8555 GB 的内部分项。MTP draft head 则是后续另行配置，可独立统计。
上表的约 1.86 GB 差额未取得完整逐配置快照，不能直接改名为“KV cache 1.86 GB”。本次虽设置最大上下文 65,536，也不代表已把这个长度的所有运行峰值测完。
磁盘分页：整机用了 2.46 GB，Strata 用了多少？
| 分页指标 | 容量 | 比例／解读 |
|---|---|---|
| pagefile.sys 已配置容量 | 46.00 GB | 100% 的分页文件容量 |
| 全系统快照已用 | 2.4609 GB | 占分页文件 5.35% |
| 全系统峰值使用量 | 2.4756 GB | 占分页文件 5.38%； 非本模型专属峰值 |
| Strata 主模型已锁定专家 | 锁定期间不写入 pagefile | 依成功锁定语义与本次启动日志判定 |
| Strata 其他未锁定数据／Vision／控制进程 | 未能精确归属 | 本次没有取得逐进程的实际 pagefile 驻留量 |
46 GB 是分页文件本身的配置容量，2.46 GB 是此前快照中整机的使用量。不能写成“Strata 另外使用 46 GB 虚拟内存”，也不能把整机的 2.46 GB 全部算给模型。只凭这组数据，可以确认系统整体有分页文件使用量，但不能确认其中多少属于 Strata 的其他数据。
主引擎的 private committed memory 约 72.95 GB，Vision 进程约 1.36 GB；这些是 commit 指标，不是实际写入磁盘的量。例如不能用“72.95 − 56.4”推算 Strata 有十多 GB 在 pagefile。Microsoft 的内存性能指标对照也把部分名称含 Page File 的进程计数器对应到 Commit Size，而不是分页文件实际占用。
在约 00:02 的短时间空闲采样中，分页输出率持续为 0；00:22 主快照的分页输入、输出率也为 0。这表示那些观测时刻没有量到持续换出活动，不能证明长时间推理、模型加载或其他工作负载都完全没有磁盘分页。这次对引擎及 Vision 进程做进一步内存查询时被 Windows 拒绝访问，因此保留逐进程归属为未知。
磁盘分页就是虚拟内存吗？
两者有关，但不能画上等号。虚拟内存是进程使用虚拟地址，由操作系统映射到物理 RAM 或其他后备存储的机制；pagefile 分页是其中将可换出页面保存在磁盘分页文件的做法。已锁在 RAM 的专家仍通过虚拟地址访问，只是不会在锁定期间被换到 pagefile。
此外，Strata 按需读取磁盘上的 PLE 表、启动时读取 GGUF、读入 DLL 或文件映射页面，都可能造成磁盘 I/O；这些不等于 pagefile 换页。硬缺页错误也可能来自一般文件，不能只看硬缺页错误就断定模型正在使用磁盘分页文件。
磁盘：87.25 GB 主模型，90.25 GB 模型部署，92.44 GB 含程序
文件容量按文件长度加总；不是下载压缩包大小，也不是逐一测量 NTFS 分配簇。一般文件的实际磁盘分配量可能因压缩、稀疏或簇对齐略有差异。本次只盘点这个模型所需的模型文件与已安装程序，不包含其他模型、转换来源备份、安装包、日志及 Windows 本身。
| 磁盘项目 | GB | 占 92.44 GB 部署盘点 | 内容 |
|---|---|---|---|
| 主模型 GGUF， 三个分片 | 87.2487 | 94.39% | Huihui v2 UD-IQ4_XS |
| 配套 pack 与 tokenizer | 1.3933 | 1.51% | dense.bin、索引、转换信息与 tokenizer |
| MTP runtime | 0.7677 | 0.83% | dense、experts、draft vocabulary 等 |
| Vision mmproj | 0.8452 | 0.91% | 视觉投影模型 |
| Strata 已安装主程序目录 | 1.3653 | 1.48% | 含 control、内附 engine-bundle、harness、host、Node 与启动程序 |
| 目前使用的独立 engine component | 0.8160 | 0.88% | 0.1.47 CUDA 13； 与主程序内附引擎各有一份 |
| 总计 | 92.4363 | 100% | 其中模型及配套文件合计 90.2550 GB |
内附 engine-bundle 与目前使用的 component 在本机确实各有一份，因此磁盘盘点把两份都列入。这不表示运行时会在 RAM 或 VRAM 内加载两套相同引擎。
若只比较模型部署的 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 的内容拆分
以下读取 GGUF headers 与 tensor metadata 计算，未把整个模型重新加载到 RAM。分母仅为三个主模型 GGUF，与上一表的部署总量不同：
| GGUF 内容 | GB | 占 87.25 GB 主模型文件 |
|---|---|---|
| 主模型 routed experts | 55.4321 | 63.5335% |
| PLE 大表 | 26.8222 | 30.7423% |
| Token embedding | 0.6290 | 0.7210% |
| 原生输出 head | 0.4857 | 0.5566% |
| HC projections | 0.6290 | 0.7210% |
| Shared-expert 相关 tensors | 0.2339 | 0.2681% |
| 其他 tensors | 3.0064 | 3.4458% |
| Headers、metadata 与 padding | 0.0103 | 0.0118% |
| 合计 | 87.2487 | 100% |
PLE 约 26.82 GB 是“模型文件比 RAM 专家权重大很多”的主要原因。本次采用 direct I/O 按需读取，不把整张表常驻 RAM；预填充时的约 0.1563 GB 主机双缓冲另列于 RAM 表中。PLE 存在磁盘上是模型的数据配置策略，并不是专家因 RAM 不够而被写进 pagefile。
本机所在磁盘卷容量约 1,861.88 GB。上述 92.44 GB 模型与程序文件约占磁盘卷 4.96%。若另外把系统已配置的 46 GB 分页文件纳入空间规划，两者合计约 138.44 GB，占 7.44%；其中分页文件为全系统共用，不能全部归为 Strata 专用空间。已用的 2.46 GB 是 46 GB 里的一部分，不应再加一次。
64 GB RAM 已能跑起，实际余量有多少？
这次的证据支持：主模型全部 routed experts 约 55.43 GB，已在启动时完整锁进 RAM；测量快照中 Strata 引擎约使用 13.39 GB 专用 VRAM，保存常用专家缓存与其他运算数据。模型能运作的关键包含 CPU／GPU 分工、部分专家的 VRAM 副本，以及 PLE 按需从磁盘读取。
容量压力主要出现在 RAM：专家之外只有约 8.37 GB 的总预算，此前日常运行时可用 RAM 约 1～2 GB。即使锁定专家本身不会分页，Windows、其他程序及 Strata 未锁定的数据仍可能承受内存压力。整机已有约 2.46 GB pagefile 使用量，但这次数据不足以把它精确分配到 Strata。
因此，对这台主机最准确的描述是：全部主模型专家已锁在 RAM，整体内存余量很小；不能进一步宣称整台电脑或 Strata 所有数据都完全不用磁盘分页。本次没有进行满上下文峰值或长时间压力测试，本文数值应作为指定版本、设置与时间点的容量盘点。
数据来源与可重现范围
- 本机 Windows CIM：操作系统物理内存、进程 WorkingSetSize／PrivatePageCount、GPUProcessMemory／GPUAdapterMemory、Win32_PageFileUsage；主快照时间为 2026-10-24 00:22（UTC+8）。
- 本次 Strata 0.1.47 启动日志、模型专家索引、GGUF tensor metadata 及文件长度，经统一容量换算与分项整理。
- Strata 对应版本源代码，用来核对锁定后备路径、buffer 容量与重复统计项目。
- Microsoft：VirtualLock；Memory Performance Information；GPUs in the Task Manager。
- NVIDIA：Page-locked Host Memory。
百分比以未四舍五入的数值计算；表内四舍五入可能使加总略有差异。“未知”表示本次未取得足够数据，并不代表容量为零。
双机分工：推理与开发各自保有运算资源
上图左侧的 AI INFERENCE NODE 负责模型推理与 AI Agent 服务，右侧的 DEV WORKSTATION 则负责程序开发、测试与 AI Coding。两台主机各自使用独立的 CPU、GPU 和内存，让推理服务与开发工作不会互相争抢同一台主机的运算资源，也能把推理主机的内存空间留给模型。
将 IDE、编译与测试等开发工作交由 DEV WORKSTATION 处理，可以减少 AI INFERENCE NODE 上的 RAM 占用，把 64GB RAM 中更多可用空间留给模型。双机配置让推理主机腾出更多 RAM，因而有更多空间加载并运行更大的模型。对于本文这种内存余量有限的配置，这正是将推理服务与日常开发分开的实际价值。
| 项目 | AI INFERENCE NODE 推理主机（左） | DEV WORKSTATION 开发主机（右） |
|---|---|---|
| 主要用途 | 模型推理、AI Agent 服务 | 程序开发、测试、AI Coding |
| CPU | Intel Core i7-11700 | Intel Core i7-11700 |
| 主板 | ASUS PRIME B560M-K | ASUS PRIME B560M-K |
| 显卡 | ASUS Dual GeForce RTX 5060 Ti 16GB | ZOTAC GAMING GeForce RTX 4060 8GB SOLO |
| 内存 | 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 |
| 操作系统 | Windows 11 家庭版 | Windows 11 专业版 |
| 机箱 | FSP 全汉 CST350 | FSP 全汉 CST350 |
| 电源 | FSP 全汉金钢弹 550W 80PLUS 金牌／SFX | FSP 全汉金钢弹 550W 80PLUS 金牌／SFX |
留言讨论