phi-4 · 未归一化在我们记录里的实测

跨硬件不可比，只做数量级参考。不同厂商、不同后端、不同 batch size 的数字放在一张表里，能回答的是「这个模型在别的卡上是几倍」这种数量级问题，不是「谁更强」。

行按记录条数降序排列——条数是「我们有多少条观测」，不是「谁更强」：不同硬件之间的量化档、框架、上下文长度都不一样。每一行的 n= 是那一格参与统计的样本量之和；没有有效样本量的格子不渲染数字，渲染 ———— 是"我们不知道"，不是 0。

表里没有 M2 Ultra · 未归一化、NVIDIA RTX 4090 · 24G、RTX 3060 · 未归一化：我们还没收录这个组合。 「没有数据」不等于「跑不动」——前者是我们还没收录，后者是有证据表明显存不够。 把前者读成后者，就是拿记录的沉默冒充站方的结论。这不是硬件的问题，是我们的缺口。

分母是这个名字下我们收录的 11 条记录；「占」那一列就是分布。只列有记录的量化档——没有记录的组合不在这里， 我们不会替它编一个 0。

• 只列有记录的组合。某个硬件上这个模型一条记录都没有时，表里没有这一行， 我们只会在表下把它点名——而不会渲染一个 0 或者一格占位数字。 「没有数据」与「跑不动」是两回事：前者是我们还没收录，后者是有证据表明显存不够。 把前者读成后者，就是拿记录的沉默冒充站方的结论。
• 没有样本量就不给数字。一行的中位与区间只有在那一格有有效 n 时才渲染， 否则渲染 —。一个不知道是几次跑出来的速度，不能拿来选型—— — 在这里是"我们不知道"，不是 0。
• 不给"该跑哪个"这类排序。表按记录条数降序（那是"我们有多少观测"）， 「中位数最高」那种句子是可核对的陈述，逐行都能查证。 记录里没有能力、价格、功耗字段，所以"哪个更好"这种问题我们不答—— 答了就是编。