一位 Reddit 使用者以約 300 美元的預算，組建了由兩塊二手 AMD BC-250 礦機板構成的本地 AI 系統。該系統透過 1Gb 乙太網路連接，並使用 llama.cpp 搭配 Vulkan 與 RPC 技術，運行 Qwen3.6-35B-A3B 模型。

儘管兩塊板子的合併 GPU 記憶體僅約 27GB，該配置在 64k 上下文視窗下仍達到了每秒 60 個詞元（tok/s）的推理速度。使用者對此性價比表現感到滿意，並計畫未來測試六塊板子運行 Qwen 3.8 Flash 模型，以進一步探索效能極限。

事件背景

AMD BC-250 是專為加密貨幣礦機設計的硬體，內建 AMD 處理器與 GPU，現已被重新用於一般運算任務。llama.cpp 是一個廣泛使用的 C++ 函式庫，支援在本地運行大型語言模型，並具備 RPC（遠端程序呼叫）功能，允許在多個裝置間分散推理負載。Qwen 35B 指擁有約 350 億參數的大型語言模型，通常需要較高的記憶體與運算資源才能高效運行。

社群觀察

社群成員對這套獨特的硬體組裝表示熱情。部分使用者對擴展至六塊板子的計畫表示期待，認為效能將相當不錯。另有使用者指出，透過 1Gb 乙太網路的 RPC 延遲通常會最先影響提示詞（prompt）的處理。此外，也有成員鼓勵創作者嘗試運行 Qwen 3.8 27B 模型，以觀察其詞元速度表現。