把几张不同年代、不同厂商的旧显卡拼在一起跑 AI，难点不只是“能不能插上”：模型计算产生的中间数据——激活值——还要在显卡之间来回搬运。PCIe 就是这条运输通道，而 x1 的带宽远低于显卡常用的 x16，像让多路货物挤过一条窄道。
FieldMouse-AI 展示的备用节点混用了两张 AMD 和两张 NVIDIA 显卡，其中两张只接 PCIe x1，另一张接 x2。作者用自制的 Slipstream 调度引擎和混合厂商 Vulkan 后端，同时服务 Qwen3.8:27b-vision、Qwen3.5:9b-vision 与 Qwen3.5:2b-vision；27B、9B、2B 指模型规模等级。作者自报三者速度分别为每秒 3.82、4.75 和 12.47 个 token——token 是模型生成文字时处理的基本片段——并称都能处理 OCR（从图片中识别文字）和复杂视觉解析。
真正值得注意的不是它跑得多快，而是 27B 模型能在异构 GPU 和低带宽连接下保持稳定，同时另外两个模型也在工作。这为利用闲置显存搭建本地多模型节点提供了罕见实测。不过材料未给出功耗、延迟、测试样本或对照结果，上述性能与稳定性均为作者自述。