由于我没有 Microsoft 帐户，因此将 Linux 安装在我的 RTX Spark 笔记本电脑上

TL；博士 - 微软太糟糕了。 Arch Linux 可以正常工作，在 7-Zip 中与 Windows 保持同步，并向操作系统和 CUDA 报告相同的 116.0 GiB 内存池。我的初始可启动设置和补丁都在这里。这是针对华硕 ProArt P16 H7607BA-SE033W：128 GB RAM 配置、6,144 个 CUDA 核心和 2 TB SSD。当关于 GPU 可以访问的 RAM 超过 100 GiB 的笔记本电脑的谣言开始流传时，我开始思考我可以在其上构建的所有东西以及我可以花太长时间玩的所有优化。我是非常专业的开放重量模特。能够在本地运行东西并在笔记本电脑上进行强化学习、量化和微调，这将是令人作呕的。我已经在 Hugging Face 上发布了我自己的 GGUF 量化分析，过去一个月的下载量超过 160,000 次。因此，我不太高兴发现仅限 Windows 的官方支持。讨厌 Windows 的理由有很多。我的问题包括安装过程中的隐私让步、等待微软让人们再次将任务栏放在屏幕一侧所花费的时间以及广告。最后一个链接是真实 Windows 促销活动的拼贴，由 Pureinfotech 提供。你明白了。我可以一直讲下去，所以让我继续主题吧。 Arch 是我首选的发行版，我是 Arch 的一名软件包维护者。我已经将它放在 IBM 大型机上（我的 FOSDEM 幻灯片），所以它始终是我的起点。此版本使用 Arch Linux ARM ，这是一个将 Arch 软件包移植到 ARM 的独立项目，并在顶部添加了硬件支持。 NVIDIA 一直在为 Ubuntu 做内核工作，这给了我一个起点。我合并了它，修复了获得控制台所需的 ACPI 覆盖分配和帧缓冲区映射，并从笔记本电脑自己的表中计算出了 ACPI 覆盖（感谢 astra <3）。 NVIDIA驱动程序和华硕扬声器固件来自互联网上的官方位置（请不要起诉我的计算机公司）。键盘支持需要修补 hid-asus ，音频需要其自己的机器驱动程序。我将其放入可启动 USB 中，并扩展了上游 Archinstall 4.5 以安装硬件支持。该存储库包含构建脚本和补丁，包括转储您自己的 ACPI 表以及从本地华硕驱动程序包中提取扬声器固件的步骤。我的运行固件 H7607BA.300。构建输入是哈希固定的。我周末组装的硬件包是用我的 Arch Linux Package Maintenanceer 密钥签名的，ACPI 覆盖来自笔记本电脑本身。显示器的运行频率为 3840 × 2400 和 120 Hz，我使用 NetworkManager、PipeWire 和带有 NVIDIA CDI 的无根 Podman。安装程序通过 IgnorePkg 保存内核、NVIDIA、电源管理和固件包，而普通包则不断从 Arch Linux ARM 更新。 CPU 性能 我于 10 月 19 日在本机 Arch Linux ARM 上运行了该套件，内核为 7.0.0-1022-nvidia ，NVIDIA 驱动程序为 615.78.08 。笔记本电脑已插入并选择了性能配置文件。对于 CPU 比较，我使用了已发布的 Windows 结果。 CPU 测试是原生 ARM64 7-Zip 26.04，具有固定的 32 MiB 字典。我对每个线程计数进行了一次预热和三次测量，然后取中值：StorageReview 测试了具有相同 20 核 N1X 的 128 GB HP OmniBook Ultra 16，运行本机 Windows ARM64 二进制文件。他们以 GIPS 报告 7-Zip 评级，因此我将原始日志中的 MIPS 评级除以 1,000 以进行匹配。越高越好。单线程基本上是平局。对于所有 20 个线程，我的 Linux 设置在压缩方面领先大约 5%，在解压缩方面领先 3%。惠普评论没有具体说明其 7-Zip 版本或字典大小，因此这些百分比是对两台笔记本电脑设置进行比较的。 ComputerBase 还测试了具有 20 核 N1X 的 ProArt P16。换算成GIPS后，其Windows 7-Zip得分为155.774；我的三轮比赛的中位数是 157.084。他们的结果位于我的三轮运行范围 155.759 到 157.193 GIPS 之内。他们的机器是 64 GB 配置并运行 7-Zip 26.00，并且图表没有给出字典大小。内存分割内存是一个更大的弹性。我的 Linux 运行报告系统 RAM 和 CUDA 的总量为 116.0 GiB，来自同一物理池。 Windows 将 RAM 划分为专用 GPU、共享和仅 CPU 区域。 CPU 工作负载无法使用专用 GPU 区域，GPU 分配也无法使用仅限 CPU 的区域。 Windows NVIDIA 应用程序可让您更改专用预留并重新启动； Frandroid 的 128 GB ProArt P16 达到了 96 GiB 。 CUDA 可以通过从共享 RAM 分配来超越这一点，具体取决于 Windows 的内存预算。通过 91 GiB 专用预留，Frandroid 的 Windows 设置报告 CUDA 总计为 109.7 GiB，包括共享内存。我的 Linux 设置报告为 116.0 GiB，大约多出 6.3 GiB。我关心的是让大型池也可用于 CPU 工作，而无需移动预留滑块并在工作负载之间重新启动。在本地运行 Qwen 我通过 vLLM 和 B12X CUDA 运行 NVIDIA 的 Qwen3.8-Flash-Next-FP4-Local 检查点