資料方法
這一頁寫清楚 VRAMGlass 上每個數字是怎麼來的：價格從哪裡抓、怎麼清洗、能跑與速度用什麼公式、匯率來自哪裡，以及發現錯了怎麼告訴我們。
價格口徑
二手價是在售掛牌價的中位數，不是成交價。中國大陸取閒魚，美國取 eBay Browse API，兩邊走同一套流程：依關鍵詞搜尋 → 正則清洗標題 → 取中位數，同時記下四分位與樣本數。
清洗規則每台裝置一份：必須命中的詞、必須排除的詞（礦卡、配件、代購、僅鏡頭之類），以及一個參考價。清洗完用 MAD（中位數絕對偏差）剔掉離群點，MAD 為 0 時退回 1.5 倍 IQR。剩下的樣本少於 3 筆就不發布這一輪，寧可留空也不給一個假中位數。
還有一道發布守衛：新一輪的中位數比上一筆已發布的偏離超過 35%、且樣本不足 8 筆時，這一輪只留快照、不進歷史；整輪有效裝置少於 5 台就整輪作廢，保留上一份快照。抓取每 6 小時一輪，歷史按 6 小時槽位保留 30 天。
能跑與速度
weights_gb = params_b × bytes_per_param × 1.05
權重記憶體 = 參數量 × 每參數位元組 × 1.05。每參數位元組按量化檔位取：Q4_K_M 0.57、Q5_K_M 0.69、Q8_0 1.06、FP16 2；那個 1.05 涵蓋 GGUF 中繼資料與不量化的嵌入層這類固定開銷。
kv_gb = 2 × layers × kv_heads × head_dim × context × 2
KV cache = 2 × 層數 × KV 頭數 × 頭維度 × 上下文 × 2 位元組（K 與 V 兩份，FP16）。MLA 與線性注意力混合結構上這個通用公式會嚴重高估，模型庫裡給了實測的每 token 位元組數時優先用實測值；滑動視窗注意力沒有單獨建模，長上下文下給出的是上界。
fits = weights_gb + kv_gb + 1 ≤ vram_gb
ms_per_token = (active_params_b × bytes_per_param + kv_cache_gb ÷ 2) ÷ (bandwidth_gbs × eff) × 1000 + overhead_mstokens_per_sec = 1000 ÷ ms_per_token
裝得下 = 權重 + KV cache + 1GB 執行開銷 ≤ 可用記憶體，單卡、不做 CPU offload；統一記憶體機器按記憶體總量算，不扣 macOS 的 GPU 佔用上限。預估速度按 llama.cpp 單流口徑：每 token 耗時 = 讀取位元組 ÷（頻寬 × 生態效率）+ 固定開銷，讀取位元組 = 啟用參數 × 量化位元組 + 上下文一半的 KV cache。生態效率 CUDA 0.7、ROCm 0.5、Metal 0.55、oneAPI 0.45；固定開銷稠密模型 0.8 ms、MoE 4 ms。依公開的 llama.cpp 實測校準，誤差通常在 ±20% 內，上下文越長實際越慢。
三個單價
price_per_gb = used_price ÷ vram_gb
記憶體單價 = 二手中位價 ÷ 記憶體容量，單位是「幣別 / GB」，是全站主表的預設排序欄。
price_per_bandwidth = used_price ÷ (bandwidth_gbs ÷ 100)
頻寬單價 = 二手中位價 ÷（頻寬 ÷ 100），單位是「幣別 / 100GB/s」。除以 100 只是為了讓數字和記憶體單價落在同一量級，方便橫著比。
price_per_tops = used_price ÷ int8_tops_dense
算力單價 = 二手中位價 ÷ INT8 稠密算力，單位是「幣別 / TOPS」；沒有公開 INT8 標稱值的裝置這一欄留空。三個單價都按目前價格基準算，先折美元再除，與先除再折算等價。
匯率
價格一律按原幣儲存，顯示時按當日匯率換算，基準幣別是美元。匯率每日拉一次，失敗就沿用上一日並在頁尾標註。目前頁面用的匯率日期是 2026年9月5日，來源 open.er-api.com。
資料來源
顯示卡規格來自廠商官方規格頁、TechPowerUp GPU Database 與 Wikipedia 的顯示卡列表交叉核對，每台裝置的資料檔案裡都帶來源連結，收錄 39 台裝置。
模型參數來自 Hugging Face 的模型 API 與倉庫裡的 config.json，各量化的權重體積取 GGUF 倉庫的實際檔案大小，Ollama 標籤取自 Ollama 官方庫，一共 8 個家族 37 個版本，每週同步一次。
更新頻率與變更
價格每 6 小時一輪，模型庫每週一輪，匯率每日一輪；頁面上標的「資料更新於」是最近一輪真實成功的時間，不做假更新。規格與公式的改動都走 Git 提交，改了係數會在這裡寫明。
目前係數：每參數位元組 Q4_K_M 0.57 / Q5_K_M 0.69 / Q8_0 1.06 / FP16 2，權重開銷 1.05，KV 每元素 2 位元組，執行開銷 1GB，速度效率 {eff}。