关于 ApX Machine Learning

LLM 指南、模型数据与工程级参考指南，独立构建。

使命

ApX Machine Learning 专为正在进行构建和部署的工程师打造：他们需要具体的答案（如硬件适配、成本评估、模型选择）以及这些答案背后的原理。

这意味着我们不仅提供能够据此行动的实用工具。作为这些工具的自然延伸，我们还维护着一个免费开放的深度工程课程库，以帮助你理解所部署系统底层的数学与运行机制。

VRAM 计算器回答了 LLM 部署中最实际的问题：模型能否运行，以及成本是多少。

LLM 目录、排行榜和趋势数据追踪每一款关键模型：规格、基准测试、硬件要求和许可协议。

免费深度课程和大师课合集，供希望超越入门教程、掌握底层数学和细节的工程师使用。

我最初构建 ApX Machine Learning 是作为我个人使用的一套 AutoML（自动机器学习）工具。随着 Llama 和 Qwen 等开源权重模型逐渐能够本地运行，我开始撰写关于如何运行它们以及 GPU 要求的指南。

关键转折点出现在 DeepSeek V3 发布时，业界意识到开源模型完全有能力在顶尖梯队中竞争。当时，ApX 拥有全网唯一一篇详细介绍其 VRAM 需求和硬件限制的完整指南，网站流量大幅增长。

从那时起，ApX 已从一个爱好者小工具转型为一个专业级枢纽，帮助开发者在本地及生产规模部署模型。今天，它承载着每周被数千名工程师使用的 VRAM 计算器、LLM 目录和参考指南。

凃伟明

创始人

维护最新的硬件数据库和工程参考指南需要持续的研究。为了在不牺牲技术准确性的情况下实现规模化，我们使用了我们所写的相同 AI 辅助工作流：专业智能体查询学术论文和基准测试数据、起草可视化图表并进行验证检查。

覆盖大多数课程不愿触及的内容。应用 AI 中最重要的问题在入门课程中无从涉及。ApX 覆盖这些内容：在资源受限的硬件上微调、高效地提供模型服务、评估基准测试分数对你的具体用例意味着什么。

保持严肃内容免费。最高质量的 ML 技术教育，要么藏在昂贵订阅之后，要么埋在默认需要机构访问权限的论文里。ApX 保持核心内容免费，让全球各地的工程师，无论身在何处、预算有限，都能深入钻研所需的知识。

排名、基准测试结果和计算器输出绝不出售。广告始终带有标记，且绝不影响数据结果。

VRAM 计算器和目录无需注册账号即可使用。若想在模型微调、推理优化或生产部署方面获取更多深度内容，欢迎随时浏览我们的课程。