ARTIFACT // DEPLOY-WORKSTATION-96GB-OR-R9700.SH (SH)
RTX PRO 6000 Blackwell (96GB Max-Q/600W) 与 Radeon AI PRO R9700 (32GB) 部署脚本 (deploy-workstation-96gb-or-r9700.sh)
为 NVIDIA RTX PRO 6000 Blackwell (96GB GDDR7 ECC) 配置 300W Max-Q 或 450W 甜点功耗墙并启动 vLLM,或为单/双卡 AMD Radeon AI PRO R9700 (32GB/64GB) 配置 Vulkan/ROCm 环境。
[核心实测结论 / TL;DR]本配置包「RTX PRO 6000 Blackwell (96GB Max-Q/600W) 与 Radeon AI PRO R9700 (32GB) 部署脚本」(文件名:deploy-workstation-96gb-or-r9700.sh,格式:SH)是 Tinker AI 实测工坊配套指南《rtx-pro-6000-blackwell-96gb-vs-radeon-ai-pro-r9700-32gb-workstation-llm-benchmark》的参数化生产模板。支持在本地浏览器实时定制 RTX PRO 6000 功耗上限 (瓦:300 Max-Q / 450 / 600) (BLACKWELL_WATTS=300)、目标模型路径或 HuggingFace 仓库 (TARGET_MODEL=Qwen/Qwen3-Next-80B-A3B-Instruct-FP8)、最大上下文窗口 (Tokens) (MAX_CTX_LEN=65536) 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:2026-11-02
查看全部 42 套配置附件 →deploy-workstation-96gb-or-r9700.sh
查看配套实测指南 →RTX PRO 6000 Blackwell (96GB Max-Q/600W) 与 Radeon AI PRO R9700 (32GB) 部署脚本
为 NVIDIA RTX PRO 6000 Blackwell (96GB GDDR7 ECC) 配置 300W Max-Q 或 450W 甜点功耗墙并启动 vLLM,或为单/双卡 AMD Radeon AI PRO R9700 (32GB/64GB) 配置 Vulkan/ROCm 环境。
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 — RTX PRO 6000 Blackwell (96GB) & Radeon AI PRO R9700 (32GB) Launcher (Guide #30)
set -euo pipefail
WATTS="300"
MODEL="Qwen/Qwen3-Next-80B-A3B-Instruct-FP8"
CTX="65536"
if command -v nvidia-smi >/dev/null 2>&1; then
echo "=== [NVIDIA RTX PRO 6000 Blackwell 96GB] Applying $WATTS W Power Profile & Checking ECC ==="
sudo nvidia-smi -pm 1
sudo nvidia-smi -pl "$WATTS"
nvidia-smi --query-gpu=name,memory.total,ecc.mode.current,power.draw,power.limit --format=csv
exec vllm serve "$MODEL" \
--max-model-len "$CTX" \
--gpu-memory-utilization 0.92 \
--kv-cache-dtype fp8 \
--enable-prefix-caching \
--port 8000
else
echo "=== [AMD Radeon AI PRO R9700 32GB RDNA 4 (gfx1201)] Configuring ROCm / Vulkan Stack ==="
unset HSA_OVERRIDE_GFX_VERSION
export HSA_ENABLE_SDMA=0
export NCCL_IB_DISABLE=1
export NCCL_P2P_LEVEL=PHB
rocm-smi --showproductname --showmeminfo vram || vulkaninfo --summary | grep -i "deviceName"
echo "Ready for ROCm vLLM or llama-server Vulkan RADV (-ngl 99 -fa -ctk q8_0 -ctv q8_0 -c $CTX)."
fi
PARAMETER SPECIFICATION // 参数化变量规范说明表
「deploy-workstation-96gb-or-r9700.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 |
|---|---|---|---|
{{BLACKWELL_WATTS}} | RTX PRO 6000 功耗上限 (瓦:300 Max-Q / 450 / 600) | 300 | 300 |
{{TARGET_MODEL}} | 目标模型路径或 HuggingFace 仓库 | Qwen/Qwen3-Next-80B-A3B-Instruct-FP8 | Qwen/Qwen3-Next-80B-A3B-Instruct-FP8 |
{{MAX_CTX_LEN}} | 最大上下文窗口 (Tokens) | 65536 | 65536 |
PAIRED HARDWARE MANIFEST // 配套实测环境与边界记录
配套指南《工作站大显存显卡实测对决:NVIDIA RTX PRO 6000 Blackwell (96GB GDDR7 · 300W Max-Q vs 600W) vs AMD Radeon AI PRO R9700 (32GB / 双卡 64GB RDNA 4)》验证基线
实测硬件与操作系统 (Hardware & OS)
主机 A:NVIDIA RTX PRO 6000 Blackwell(96GB GDDR7 ECC · 1,792 GB/s · sm_120)| 主机 B:双卡 AMD Radeon AI PRO R9700(单卡 32GB GDDR6 / 双卡 64GB · 640 GB/s · gfx1201)
锁定软件栈与模型版本 (Pinned Versions)
vLLM 0.8.2 (CUDA 12.8 FP8/NVFP4 + MTP & ROCm 6.4)llama.cpp b4780 (CUDA sm_120 / Vulkan RADV / HIP)Ollama 0.6.2
离线与安全边界 (100% 本地工作站闭环运行(含 ECC 显存校验))
全部 vLLM 与 llama.cpp 压测均在断网本地环境完成,RTX PRO 6000 Blackwell 全程开启 GDDR7 硬件 ECC 纠错。
已知限制与失败边界 (Known Limits)
- 在 RTX PRO 6000 Blackwell 上开启 GDDR7 ECC 纠错会占用约 4.5GB 物理显存用于校验元数据,`nvidia-smi` 实际可用显存上限为 **91.5 GB**。
- 在 AMD Radeon AI PRO R9700 (32GB `gfx1201`) 上,`llama.cpp` 的 **Vulkan (`RADV`)** 后端在解码稀疏 MoE 模型(如 `Qwen3-30B-A3B`)时比 ROCm 快 **28%**,而 **ROCm** 在处理长文本 Prompt 预填充(Prefill)时比 Vulkan 快 **1.7 倍**。
DEPLOYMENT CHECKLIST // 配置落地核验步骤
部署 deploy-workstation-96gb-or-r9700.sh 后的 3 步验收清单
- 已在 RTX PRO 6000 Blackwell 上核验开启 ECC 后的可用显存(91.5 GB),并通过 `nvidia-smi -pl 300` 或 `450` 设定持久化甜点功耗。
- 已在 Radeon AI PRO R9700 上使用 Mesa 25.0+ Vulkan (`RADV`) 后端实测稀疏 MoE 模型(Qwen3-30B-A3B 达 100+ tok/s)。
- 在双卡 Radeon AI PRO R9700 (64GB) 并联环境中,已开启内核 `iommu=pt` 并导出 `HSA_ENABLE_SDMA=0`。