跑得最快的模型，长文本全部超时。参数最多的模型，总分垫底。最终胜出的是参数最少的那个——76.6% vs 69.7% vs 69.1%。这篇记录 160 道题、6 个维度的完整评测过程，以及为什么"参数大 ≠ 质量好"。

Qwen3.5-27B：18 tok/s。Qwen3.6-35B：11 tok/s。gemma-4-26B 双卡：93 tok/s。同样是 L40S，模型选错速度差 8 倍。这篇用真实测试数据告诉你，哪个模型值得你的 GPU 时间。

Free memory: 0.41 GiB。这是我第一次尝试在一张卡上跑两个模型时，vLLM 启动日志里的数字。然后它 crash 了。从第一次 OOM 到三组模型稳定运行，中间经历了 7 种不同的失败姿势。这篇是完整的踩坑记录。

单卡 L40S，48GB 显存。公司给了一台 EKS GPU 节点，有 3 张 L40S 可用，每张卡独立部署一个模型做横向对比。目标：找出单卡 L40S 上跑 27B-35B 大模型的最优方案。最终结论——Qwen3.5-27B-FP8 单卡 18 tok/s，96% 显存利用率。这篇记录从零搭建的完整过程。

日均的技术栈很简单：SwiftUI + SwiftData，纯 iOS 原生开发。没有后端，没有第三方依赖，数据通过 iCloud 同步。

这篇记录一些技术选型的思考和实际开发中的经验。

日均上线后的前两周，我没花一分钱投广告，累计获得了 211 次下载。

这个数字不大，但背后的获客路径很有意思：不是 App Store 搜索带来的自然流量，而是小红书内容间接驱动的。

D1 留存 12%，D7 留存 4%。

这两个数字，是日均上线两周后 App Store Connect 给我的现实。100 个人下载了 App，一周后只有 4 个人还在用。

这篇文章记录我怎么诊断问题、做出决策、以及为什么"砍功能"有时候比"加功能"更重要。

独立开发者最容易忽略的事情之一：设计系统。不是说要做一套 Material Design 那样的巨型规范，而是——你的 App 看起来像是同一个人做的吗？

日均的设计关键词是四个字：温暖极简。

做「日均」之前，我问自己一个问题：市面上记账 App 已经几百个了，我为什么还要做一个跟钱有关的工具？

答案是——我不做记账。