ARTIFACT // RUN-SFF-70W-PRO4000-B50-LLM.SH (SH)
70W 免供电半高工作站卡(RTX PRO 4000 SFF 24GB / Arc Pro B50 16GB)与 Tenstorrent Blackhole 启动脚本 (run-sff-70w-pro4000-b50-llm.sh)
自检 PCIe 插槽 70W 功耗上限、RTX PRO 4000 SFF 24GB 的 ECC 显存扣减、Intel Arc Pro B50 16GB 的 SYCL/Vulkan XMX 设备以及 Tenstorrent Blackhole p150a 的 tt-smi 状态,随后以 Q8_0 KV Cache 启动推理服务。
[核心实测结论 / TL;DR]本配置包「70W 免供电半高工作站卡(RTX PRO 4000 SFF 24GB / Arc Pro B50 16GB)与 Tenstorrent Blackhole 启动脚本」(文件名:run-sff-70w-pro4000-b50-llm.sh,格式:SH)是 Tinker AI 实测工坊配套指南《rtx-pro-4000-blackwell-sff-24gb-70w-vs-intel-arc-pro-b50-16gb-and-tenstorrent-blackhole-p150a-homelab-llm》的参数化生产模板。支持在本地浏览器实时定制 GGUF 模型路径(适用于 RTX PRO 4000 SFF / Arc Pro B50) (GGUF_MODEL_PATH=./models/Qwen3-30B-A3B-Q4_K_M.gguf)、上下文窗口长度 (-c) (CTX_SIZE=32768)、服务监听端口 (LISTEN_PORT=8080) 等 3 项核心变量,默认遵循 127.0.0.1 回环绑定与最小权限规范。
01 // HOMELAB本地 AI / HomeLab· 验证日期:2026-11-09
查看全部 42 套配置附件 →run-sff-70w-pro4000-b50-llm.sh
查看配套实测指南 →70W 免供电半高工作站卡(RTX PRO 4000 SFF 24GB / Arc Pro B50 16GB)与 Tenstorrent Blackhole 启动脚本
自检 PCIe 插槽 70W 功耗上限、RTX PRO 4000 SFF 24GB 的 ECC 显存扣减、Intel Arc Pro B50 16GB 的 SYCL/Vulkan XMX 设备以及 Tenstorrent Blackhole p150a 的 tt-smi 状态,随后以 Q8_0 KV Cache 启动推理服务。
参数化定制变量 (Variables — 自动保存在本地浏览器)
UTF-8 编码 · 零延迟实时编译
#!/usr/bin/env bash # Tinker AI — 70W SFF Workstation GPU & Open PCIe Accelerator HomeLab Runner (Guide #42) set -euo pipefail MODEL="./models/Qwen3-30B-A3B-Q4_K_M.gguf" CTX="32768" PORT="8080" echo "=== [1/3] Probing PCIe Slot Power, ECC State & Accelerator Backend ===" if command -v nvidia-smi >/dev/null 2>&1; then echo "[NVIDIA CUDA] Checking RTX PRO 4000 Blackwell SFF 70W TBP, ECC mode & PCIe link:" nvidia-smi --query-gpu=name,power.draw,power.limit,ecc.mode.current,memory.total,memory.free,pcie.link.gen.current,pcie.link.width.current --format=csv elif command -v tt-smi >/dev/null 2>&1; then echo "[Tenstorrent Blackhole] Checking p150a / p300c Tensix ASIC state & telemetry:" tt-smi -s else echo "[Intel Arc Pro B50 / Vulkan / SYCL] Listing active XPU devices:" ./build/bin/llama-bench --list-devices fi echo "=== [2/3] Running Quick 512-Token Prefill & 128-Token Decode Sanity Check ===" ./build/bin/llama-bench -m "$MODEL" -ngl 99 -fa 1 -ctk q8_0 -ctv q8_0 -p 512 -n 128 -r 2 -o md echo "=== [3/3] Starting Low-Power 24/7 HomeLab llama-server on Port $PORT ===" ./build/bin/llama-server \ -m "$MODEL" \ -ngl 99 -fa \ -ctk q8_0 -ctv q8_0 \ -c "$CTX" \ --host 0.0.0.0 --port "$PORT"
PARAMETER SPECIFICATION // 参数化变量规范说明表
「run-sff-70w-pro4000-b50-llm.sh」可定制环境变量与默认值说明
本配置模板(SH 格式)支持 3 项运行时参数注入,所有替换均在本地浏览器内完成。
| 模板占位符 | 参数用途说明 | 安全默认值 | 填写示例 |
|---|---|---|---|
{{GGUF_MODEL_PATH}} | GGUF 模型路径(适用于 RTX PRO 4000 SFF / Arc Pro B50) | ./models/Qwen3-30B-A3B-Q4_K_M.gguf | ./models/Qwen3-30B-A3B-Q4_K_M.gguf |
{{CTX_SIZE}} | 上下文窗口长度 (-c) | 32768 | 32768 |
{{LISTEN_PORT}} | 服务监听端口 | 8080 | 8080 |
PAIRED HARDWARE MANIFEST // 配套实测环境与边界记录
配套指南《70W 免外接供电半高工作站显卡与开源 RISC-V 加速卡实测对决:NVIDIA RTX PRO 4000 Blackwell SFF (24GB GDDR7) vs Intel Arc Pro B50 (16GB) vs Tenstorrent Blackhole p150a (32GB)》验证基线
实测硬件与操作系统 (Hardware & OS)
NVIDIA RTX PRO 4000 Blackwell SFF(24GB GDDR7 ECC · 192-bit · 432 GB/s · 70W 免外接供电半高卡)对比 Intel Arc Pro B50(16GB GDDR6 · 128-bit · 224 GB/s · 70W 免外接供电半高卡)对比 Tenstorrent Blackhole p150a(32GB GDDR6 · 512 GB/s · 120 核 Tensix · 300W)及双芯 p300c(64GB · 1,024 GB/s [规格推算])
锁定软件栈与模型版本 (Pinned Versions)
llama.cpp b4920+ (`GGML_CUDA=1` for RTX PRO 4000 SFF; `GGML_SYCL=1` / `GGML_VULKAN=1` for Intel Arc Pro B50)Tenstorrent stack: `tt-kmd` driver + `tt-smi` + `tt-metal` (`tt-metalium` / `tt-nn`) + `vLLM` TT backend (`TT-Inference-Server`)Models: Qwen3-8B / Qwen3-14B / Qwen3-30B-A3B MoE / Qwen3-32B Dense (GGUF Q4_K_M & HF bfloat16/block-fp8)
离线与安全边界 (100% 本地迷你主机与工作站离线推理)
所有 CUDA、SYCL/Vulkan 以及 Tenstorrent tt-metal/vLLM 推理均在本地 PCIe 总线上离线完成。
已知限制与失败边界 (Known Limits)
- **NVIDIA RTX PRO 4000 Blackwell SFF (24GB)** 出厂默认开启 **GDDR7 ECC 纠错**,会划走约 **1.4 GB 显存**(实测可用约 `22.4 GB`)。如果你在跑 `Qwen3-32B-Q4_K_M`(19.8 GB)配 32K 上下文时差几百 MB 爆显存,可执行 `sudo nvidia-smi -e 0 && sudo reboot` 关闭 ECC,即可100% 拿回完整的 24GB 容量。
- RTX PRO 4000 SFF 与 Intel Arc Pro B50 的金手指虽然是全长,但电气规格均为 **PCIe 5.0 ×8**。若插在老主板芯片组引出的 **PCIe 3.0 ×4** 副槽上,模型加载与 `--n-cpu-moe` 异构卸载带宽会被限制在 ~3.5 GB/s。
- **Tenstorrent Blackhole(`p150a` / `p300c`)不是传统 GPU,无法直接运行标准 `llama.cpp` 的 CUDA/Vulkan GGUF 程序!** 它必须通过官方开源的 **`tt-metal`(`tt-metalium` / `tt-nn`)** 编译器栈或 `TT-Inference-Server`(基于 `vLLM` 后端)加载适配好的模型。表 2 中双芯水冷版 `p300c (64GB)` 为按单芯实测翻倍的规格推算值(`[规格推算]`)。
DEPLOYMENT CHECKLIST // 配置落地核验步骤
部署 run-sff-70w-pro4000-b50-llm.sh 后的 3 步验收清单
- 已确认半高卡工作在 `PCIe ×8`(Gen4/Gen5)通道速率下,并通过 `nvidia-smi` 或 `xpu-smi` 核验 70W 插槽功耗上限。
- 已检查 RTX PRO 4000 Blackwell SFF 的 `ecc.mode.current` 状态,并在需要跑满 24GB 显存时通过 `sudo nvidia-smi -e 0` 释放被 ECC 占用的 ~1.4GB 空间。
- 已按硬件匹配对应推理栈:RTX PRO 4000 SFF 使用 CUDA 12.8 (`sm_120`),Arc Pro B50 使用 SYCL/Vulkan,Tenstorrent Blackhole 使用 `/dev/tenstorrent` 与 `tt-metal` 容器。