拆解 Intel i9-14900KS 的 CT 扫描：看清 CPU 内部结构
LTT Labs 用工业 CT 扫描仪对拆解后的 Intel i9-14900KS 进行了三维扫描，可交互查看 CPU 内部结构。扫描揭示了 PCB 三层布线、电容布局、硅片上的 E-core/P-core 排列以及中央的缓存和总线结构。 扫描使用 120kV Neptune 设备，耗时 12 小时，配合 2.5mm 铜滤波片硬化 X 射线束。
评论
点赞
收藏从 Windows 切换到 Linux 的指南：告别与过渡
LTT Labs 发布了一份从 Windows 迁移到 Linux 的五阶段指南，附带工具和资源链接，帮助有迁移意愿的用户完成切换。
你的录屏软件正在偷走你的帧率！
<p>屏幕录制对系统资源的消耗可能远超你的想象。为了弄清楚它究竟会带来多大的性能压力，我们对五款常用的录屏工具进行了测试。请注意：接下来将有大量图表！</p> 
Pixel 11 系列正式发布
Google 发布 Pixel 11 系列手机，延续多彩配色设计，性能表现待测。 
LLM量化（三）：我把数字缩小了！
LLM量化系列第3篇，讲解如何把模型权重数字缩小。前文已介绍模型结构、显存消耗和权重存储格式，本篇聚焦量化本身的工作原理——如何把大量接近零的浮点数压缩到更小的精度范围。 这是工程实践向的内容，对实际部署大模型的读者有直接参考价值。 
LLM 量化 2.5：浮点数真的在存储实数吗？
深入解析 LLM 底层数据表示，指出模型存储的 0.1 并非数学上的 0.1，而是浮点数在位宽与精度间的妥协。解释了为何大模型对浮点精度的依赖极低，从而为模型量化（Quantization）提供了理论基础。 
Intel Arc G3低功耗核心调度：50%折扣
Intel Arc G3处理器专为手持游戏设计，采用Intelligent Bias Control(IBC) v3.5技术，在TDP低于14W时将禁用P-cores。 
GTX 1080系列重测：传奇显卡的谢幕与余晖
实测十年前的 GTX 1080/1080 Ti 在 2026 年的表现。游戏方面，1080p 下仍能提供 60fps，但缺乏光追硬件使其难以运行最新大作。AI 推理测试显示，虽然 Tensor 核心缺失导致预填充速度远逊于 RTX 3060，但凭借高显存带宽和 DP4A 指令，1080 Ti 仍能流畅运行 8B-12B 量化模型。 文章深入分析了 Pascal 架构在 AI 时代的局限性及 CUDA 支持前景。
LLM推理显存分析：除了权重，你还需要更大的显存
LLM推理显存占用远超模型权重。KV Cache随上下文长度线性增长，是长文本和Agent应用的主要瓶颈。文章拆解了权重、KV Cache、激活值和系统开销，并分析了GQA、滑动窗口及MLA等架构如何优化显存。
实测特朗普移动T1手机：金玉其外
LTT Labs实测Trump Mobile T1手机，对比同价位Pixel 10a。虽然视频版未展示全部数据，但文章提供了详细的性能测试结果，揭示这款政治周边产品的实际硬件表现，适合关注消费电子与科技政治交叉领域的读者。
AMD Ryzen AI Halo：4000 美元迷你主机深度评测
LTT Labs 评测了售价 3999 美元的 AMD Ryzen AI Halo 迷你主机，搭载 Zen 5 处理器和 128GB 内存。文章详细对比了其运行 LLM 的性能、散热表现及与 Mac Studio 的差异，重点介绍了其预装软件对开发者的便利性。
Windows上的ARM正在引发一场它可能获胜的斗争
LTT Labs测试了Snapdragon X2笔记本，评估ARM架构在Windows笔记本领域的现状。ARM已赢得大多数设备市场，但在Windows笔记本领域尚未完全胜利。 文章提供了具体的硬件测试和经验分享，针对科技读者有较高的信息增量和讨论价值，特别是关于ARM与x86的竞争格局。
Intel Arc G3 Extreme掌机实测：性能碾压AMD，但价格劝退
LTT Labs实测搭载Intel Arc G3 Extreme处理器的MSI Claw 8 EX掌机。在《赛博朋克2077》等游戏中，其性能大幅领先AMD Z2 Extreme及上代产品，且在17W低功耗下仍具竞争力。 文章详细解析了Intel的新软件技术，包括预编译着色器、IBC v3.5智能偏置控制及耐力游戏模式，展示了如何通过调度优化延长续航。 尽管硬件性能提升显著，但1799美元的高定价和缺乏OLED屏幕仍是主要槽点。
Steam Machine 游戏性能测试笔记
这是一篇关于Steam Machine硬件的游戏测试文章，主要关联到LTT Labs的相关讨论线程。内容较为单薄，主要是链接指向。 文章本身缺乏独立的技术深度或评测细节。
LLM量化系列第一篇：到底什么是大语言模型？
本文是大语言模型量化系列的开篇，旨在为后续的技术实验建立基础认知。 文章从人工神经元出发，解释了参数、训练过程、Token机制以及Transformer架构的核心原理。 文中特别强调了上下文窗口对显存的消耗，指出KV缓存和长文本推理中的“中间丢失”问题是导致硬件需求激增的关键原因，为理解量化压缩技术的必要性提供了直观的工程视角。
控制器面板按键力度-位移曲线实测：从工程角度解析手柄手感差异
Linus Tech Labs利用精密仪器测试了Switch 2、DualSense Edge、Xbox和Steam Controller的面板按键力度曲线。 研究发现不同控制器按键触发力度差异明显，且存在侧向倾斜导致的非线性受力现象。 文章还揭示了玩家实际按键力度远超预期，并分析了去抖动机制对按键释放距离的影响。这些数据为控制器的人体工学设计和按键手感提供了硬核的工程学依据。
We Tried Xbox Mode
We gave Xbox Mode a try, and our findings weren't stellar.
Massive PSUs, Miniature PCs, and 'Good' AI(ML) - Computex 2026 Trends
The theme of Computex 2026 was “AI Everywhere”, and it showed. However, we also observed a couple other trends worth noting. We found some trends with unusually large PSUs, and surprisingly mini PCs, ...
Measurement of Dynamic EQ in AirPods
Since our previous article about the difficulty of measuring the AirPods 3 Pros, we have done some testing on the AirPods Max 2, which have the same dynamic adaptive EQ features as the Pro 3s but affe...
Asus GB300 NVL72 Test Lab Tour
During our visit to Taiwan for Computex, we ventured out of the city of Taipei to visit ASUS's server testing facility and get a look inside an ASUS NVIDIA GB300 compute tray.