Flopper 是一款面向 AI 基础设施及其他领域的硬件浏览器
Show HN: Flopper is a hardware explorer for AI infrastructure and beyond
我们发现了什么
Show HN：Flopper 是一款面向 AI 基础设施及其他领域的硬件浏览器。我打造 Flopper 是为了更轻松地对比 GPU，并理解 AI 及以外工作负载的权衡取舍。
- 来源：Hacker News（发现于 2026-10-11）
- 证据等级：C · 存在定价或订阅线索；有收费设计不等于已有收入。
- 商业模式：待核验
- 主题：独立产品
- 初筛评分：14.6/100 · 收录 1 次
证据，比故事更重要。
规则清洗与初筛，未经人工商业核验。原文语境、实际客户和付费情况仍需自行验证。
引用与数字披露
来源类型（原作者自述／第三方测算／媒体转引）需采集端标注，本版尚未落字段。
- 作者
- 未标注
- 抓取日期
- 来源类型
- 未标注
- 币种
- 未标注
- 口径
- 未标注
- 披露主体
- 未标注
- 披露日期
- 未标注
上下文核对：来源原文含限定词估算，中文摘要未逐字保留 —— 引用或跨期比较前请回原文核对，别把估算读成已实现。
中文辅助译文（全文）
大家好！我打造了 Flopper，以便更轻松地对比 GPU，并理解 AI 及其他工作负载的权衡取舍。在调研例如 Nvidia、AMD 和华为的 GPU 时，我反复遇到同一个问题：规格分散在各种数据手册中，而将它们与可用的配置、供应商和价格进行匹配既繁琐又有点奇怪，老实说很烦人！AMD 还让我注册账号 :( 所以我搭建了一个将这些信息汇总在一起的平台。Flopper 让你可以对比 GPU 规格，包括 TDP 和以 flops/tops 表示的计算吞吐量，同时提供针对 AI 工作负载或其他计算工作负载（例如基于 ~FP32 的）的估算。我最近添加了来自数十家供应商的价格数据，以帮助追踪价格随时间的变化。说实话，要获取诸如 NVL72 这类系统的可靠报价仍然特别困难，由于它们涉及大型采购合同和大型跨国公司，我不太确定如何轻松告知其成本。有一件事已经相当清楚，那就是大家对消费级显卡和本地大语言模型（LLMs）的兴趣。更大的挑战在于将宣传的规格与实际性能联系起来。在我们迄今为止的测试中，我所测试的工作负载大约达到了宣传吞吐量的 85%，但这只是我所测试工作负载的一个粗略观察，并非通用规则，且会因（功耗、散热、工作负载等）因素而有很大差异。我正在考虑提供一个命令行工具（CLI），让人们运行基准测试并提交结果，可能会使用 MLPerf 作为自动化方案？这样一来，我们都能将所引用的性能与工作负载、配置等进行对比。我非常希望听到反馈：还缺少哪些信息？我该如何改进？以及你需要看到什么才会信任社区提交的基准测试结果？
也非常欢迎指正和补充 —— 部分测量数据已是尽力而为（仅做简单乘法运算），但希望它能有所助益。感谢查看 :)
译文由上游机器翻译生成，可能有误；判断请以英文原文为准。
英文原文（来源本站未改写）
Hello!I built Flopper to make it easier to compare GPUs and understand the tradeoffs for workloads for AI and beyond.When researching GPUs from say Nvidia, AMD, and Huawei, I kept running into the same problem: specs were scattered across datasheets, and matching them to available configurations, vendors, and prices was cumbersome and a bit weird and frankly annoyingggg!AMD made me make an account :( So I started a place to bring that information together.
Flopper lets you compare GPU specs, including TDP and compute throughput in terms of flops/tops, alongside estimates for AI workloads or other compute workloads (say, ~FP32 based) I recently added pricing data from dozens of providers to help track how prices change over time.Getting reliable quotes for systems like the NVL72 is still particularly difficult tbh, not sure how I can tell you how much that costs easily due to them being behind large procurement contracts and big multi-nationals.One thing that's become fairlyyyy clear is the interest in consumer cards and local LLMs.The bigger challenge is connecting advertised specs to real-world performance.
In our testing so far, I’ve seen roughly 85% of advertised throughput, but that’s a ballpark observation for the workloads I’ve tested, not a general rule and so variable (power, cooling, workload etc).I'm considering a CLI that lets people run benchmarks and submit results, potentially using MLPerf as an automation?That way, we can all compare quoted performance with the workload, configuration etc.I'd love feedback: what information is missing, how can I improve it?And what would you need to see to trust a community-submitted benchmark?Corrections and additions also very welcome - some of the measurements are best efforts (and simple multiplications) but I hope it's of some use.
Thanks for looking :)
这条还缺什么证据？
下面每条都由本条已有字段推出（等级、理由、商业模式、来源次数、是否演示）， 本站不生成推测性结论；通用验证方法放在方法论页。
- 可核验的收入或付费证据查官网定价页与付费口径；第三方数据源（如 GetLatka）只作旁证，需标注来源与时点。
- 商业模式未定确认按席位／按用量／授权还是开源托管版收费；开源项目另查 LICENSE 与是否存在付费版。
- 只有单一来源找一手站点或其他渠道是否重复出现同一产品；社区热帖数量不等于商业进展。
通用验证清单（谁有这个问题／谁愿意付费／一个人能交付哪一小步）见我们的筛选方法。