在输入框里只敲了五个字：“本周的选题”，随后，屏幕上的工具调用记录一行行滚过：分析账号定位、生成检索条件、搜索近期内容、排出候选题。我们选定一个，它又去补资料、搭大纲、写初稿……
这不是一次简单的模型问答，这是我们最近在桌面上搭建的“AI 编辑部”，在里面工作的是一个Agent。Agent 每调用一次工具，都要把相关资料和上下文重新交给模型，任务越长，计算和内存的压力越大。所以我们把 gpt-oss-120b 部署到联想 ThinkStation PGX，看这样一条完整的写作流程，能不能整个跑在桌面上的一台主机里。
把一篇文章拆成三道工序
测试开始前，我们没有给模型一个“写篇文章”的提示词，因为真实创作不会仅仅是一次问答。我们把过程做成一套写作 Skill，分成选题、资料与大纲、成稿三个阶段。
第一阶段，Agent 先分析账号过往内容和定位，自动生成检索条件，再去海外网站寻找近期内容。找回来的材料还要经过账号的选题和传播规则筛选，最后输出 5 个候选题，并解释推荐理由。
我们选定一个题后，第二阶段启动。Agent 围绕它做新一轮检索，把相关报道、产品资料和用户反馈补齐，随后整理切入角度、核心问题和章节顺序。大纲由我们确认，才进入第三阶段。
写作时，模型同时读取来源笔记、大纲和一组事先整理好的风格规则。这些规则不是一句“写得像某某账号”，而是具体到开头怎么起、段落怎么组织、语言怎么控制，以及编辑平时会改掉哪些表达。系统还预留了一个反馈环节：把人工修改稿交回去，它会比较前后差异，提炼成新规则；编辑确认后，下次任务可以继续使用。
到这里，测试对象已经不是模型能否写出几段文字，而是一条需要多轮调用、长上下文和人工把关的工作链。
1200 亿参数模型如何在桌面上站稳？
这次使用的 gpt-oss-120b 是 120B 级 MoE 模型。OpenAI 官方模型卡显示，权重检查点约 60.8GiB；在我们的量化和运行配置下，服务启动后的占用约 65GB。这个数字不是所有部署的固定值，但足以说明门槛：单张32GB 显存显卡无法完整容纳这套配置的启动占用。
而且，装下模型只是开始。Agent 读入的资料越多、对话越长，KV Cache 占用通常就越大；如果同时跑多个任务，内存压力还会继续增加。对这类工作流来说，可用内存本身就是实际性能的一部分。
ThinkStation PGX 搭载 NVIDIA GB10 Grace Blackwell 超级芯片，提供 128GB 统一内存，CPU 和 GPU 可以共享同一片内存池；官方标称的 AI 算力峰值为 1 PFLOP，前提是 FP4 精度和稀疏计算。选择它的原因很直接：先给 120B 级模型留出空间，再给上下文缓存和工具链保留余量，同时把整套环境放进桌面设备。
模型部署完成后，我们记录了三项结果：服务启动约 17.8 秒，首 token 延迟约 0.66 秒，持续生成速度约 31.8 token/s。它们来自这次具体配置的一次测试，量化方式、输入长度、推理设置以及冷启动或热启动都会改变结果。这组速度足以让我们继续测试多步骤流程。随后，我们用 Hermes 接入本地模型，让它负责工具调用和任务编排，并完成了本地服务连接与工具调用测试。
从本周的选题到完整初稿
正式运行时，我们只输入“本周的选题”。Agent 先读取账号定位和既有规则，再开始检索、筛选和排序。多步工具调用之后，屏幕上出现了 5 个候选题；每个题目不只有一句标题，还附带了推荐理由，方便我们判断是否值得继续。
我们选择第一个选题后，流程没有马上开写。它先进行第二轮资料搜集，把不同来源的信息汇总成笔记，再据此生成文章大纲和写作逻辑。我们检查了核心问题、切入角度和章节顺序，确认后才让它继续。
接下来，Agent 把资料、大纲和写作规则一起交给本地模型，生成完整正文和一组备选标题。等待过程中可以看到，检索、读取、整理和写作分成不同步骤执行。这也解释了为什么 Agent 任务会不断拉长上下文：主要负担不仅在最后的文字生成，也在前面反复携带资料和调用工具。
最终产物约 3000 字，具备完整的开头、章节结构和结尾，标题也与正文主题对应。从成稿状态看，它已经可以进入人工终审，而不是从零重写。我们仍会核对外部资料、调整判断强弱、处理不适合直接发布的表述。选题取舍、大纲确认和事实责任，并没有因为模型在本地运行而消失。
这里还要划清“本地”的边界。模型推理、未发布稿件、内部资料和写作规则可以留在本机处理，但搜索公开资料仍需联网；外部工具能看到哪些文件，也取决于权限配置。把模型搬回桌面，不能自动替代数据访问管理。
一台本地 AI 工作台的边界
跑完这条流程后，我们得出的结论很具体。ThinkStation PGX 在本次配置下跑得动 120B 级 MoE 模型，也能通过 Hermes 与定制 Skill 完成从选题、资料整理、大纲到约 3000 字初稿和备选标题的一次完整流程。128GB 统一内存的价值在这里很清楚：它先容纳模型，再为长上下文留下空间。
这次测试没有证明本地一定比云端便宜、快或安全。设备采购、功耗与维护都是成本；公开检索仍需联网，权限边界还要单独配置。我们也没有做云端对照、长时间稳定性、并发和事实错误率测试，因此不应把一次跑通扩展成全面领先。
PGX 更适合高频生产内容、处理内部文档，或反复调试模型与 Agent 的团队。偶尔写一两篇稿件的个人用户，很难仅靠省下的 API 费用摊平整套设备。企业还要把采购、数据管理和维护能力一起算进去。
这次评测之后，我们更愿意把 ThinkStation PGX 看作一张可以部署本地大模型和 Agent 的工作台。它把模型、资料和流程留在桌面上；选题、判断和最终责任，仍然在编辑手里。
