QUALITY
数据质量与覆盖
实时统计 · 透明 · 用于发现贡献机会
实体总数
across all types
94
平均 evidence
per 硬件
1.9
国产案例覆盖
cards with cases
8/14
实测 / 总 evidence
measured tier
22/97
Evidence Tier 分布
📄 54
✅ 22
⚠️ 21
📄 官方声称 56% ✅ 实测验证 23% ⚠️ 社区估算 22%
目标: 让 measured (✅) 占比逐年提升, 减少 official-only 依赖。每条 measured evidence 都需要 contributor attestation。
硬件覆盖缺口 (21)
这些硬件还没有任何部署案例 — 是贡献的好机会。
- AMD Instinct MI300A US
- Apple M4 Max Neural Engine US
- AWS Inferentia 2 US
- 壁仞 BR100 国产
- 寒武纪 MLU370-X8 国产
- Cerebras WSE-3 US
- 燧原 云燧 T21 国产
- Etched Sohu US
- Google TPU v5p US
- Groq LPU (TSP v1) US
- 昇腾 950 国产
- 海光 DCU Z100 国产
- Intel Gaudi 2 US
- NVIDIA B200 SXM 180GB US
- NVIDIA B300 SXM 288GB US
- NVIDIA GB200 NVL72 US
- … 另外 5 张
模型缺口
无算子拆解 (0)
影响计算器 — Tier 1 Roofline 无法工作。
无案例 (6)
- MiniMax M2.7 minimax
- Mistral Small 4 mistral
- GLM-5 Reasoning zhipu
- Mistral Large 3 mistral
- AlphaFold 3 google
- GraphCast google
单 evidence 硬件 (4)
建议补充第二条引证 — 第三方实测、MLPerf、HotChips 等。
引擎采用
| 引擎 | 支持硬件 | 案例数 |
|---|---|---|
| vLLM | 32 | 15 |
| LMDeploy | 6 | 2 |
| MindIE | 3 | 2 |
| SGLang | 9 | 2 |
| TensorRT-LLM (Dynamo) | 9 | 1 |
| HanGuangAI | 1 | 0 |
| MoRI | 2 | 0 |
量化采用
国产硬件覆盖优先级 (6 张缺口)
最迫切的贡献机会 — 帮助国产芯片生态获得透明的实测数据。
本页基于实时数据生成 (build time). 完整审计请运行 pnpm audit:data