Stefan Vaskevich
每隔几周就有新的开源 3D AI 模型发布，其中一半都带着同一个附加条件 - 它们要求 24 GB 以上的显存。而我的显卡只有 14 GB。但在写文章或把模型加进竞技场之前，我仍然想把它们好好测一遍。所以我不会干等量化版本或托管 Demo - 我会租一小时云 GPU，让 AI 编程助手从零开始把它装好，然后直接跑起来。
下面是我让 Roblox 的 CubePart 跑起来所用的完整流程 - 每条命令，按顺序排列。模型只是个例子；同一套流程适用于任何吃显存的本地 3D AI 仓库。CubePart 本身已经上线 top3d.ai - 如果你只想看它的输出效果，去那里就行；这篇指南讲的是怎么把它自己跑起来。
问题：它要求 24 GB 以上的显存
全文的例子是 Roblox CubePart，一个新的开源本地模型 - 但模型本身在这里几乎不重要。重要的是它的要求：Roblox 建议正常运行准备 24 GB 显存，而我的显卡只有 14 GB。这就是那堵墙，也是大多数重量级本地 3D AI 模型摆在你面前的同一堵墙。再把质量往上推，连 48 GB 都会不够用。
解决办法：租一小时云 GPU
我不买硬件，而是租一台带 SSH 访问的 GPU，从零装好所有东西，跑完测试，然后关机。这次我用的是 RunPod 上的一台 A40（48 GB） - 有点过剩，但我想留点余量。费用大约是每小时 $0.50。
- Vast.ai - 市场化定价，最便宜
- Lambda Cloud - 干净的 ML 专用实例
- Paperspace (DigitalOcean) - 简单的按小时计费 GPU
- Modal / Replicate - 代码优先的 Serverless GPU
完整工作流，逐条命令
开一台空间足够的 Pod
我在 RunPod 上选了一台 A40（48 GB） - 标准的 CubePart 运行 24 GB 就够。大家容易漏掉的是存储：这类项目要拉取大量权重，所以容器要设 约 50 GB，再加 最多 100 GB 的持久存储。
添加 SSH 密钥并测试连接
SSH 密钥就是一对文件 - 私钥留在你自己的机器上，公钥交给服务商 - 这样对方就能免密码放你进去。用 ssh-keygen -t ed25519 生成一次，把 id_ed25519.pub 的内容粘贴到 RunPod 的 Settings → SSH Public Keys 里，然后在 Windows PowerShell 里测试连接（host 和端口用你的 Pod 显示的那个）：
ssh root@<POD-IP> -p <PORT> -i ~/.ssh/id_ed25519如果你进到了 Pod 的 shell 里，就说明通了。
通过 Remote-SSH 连接 Cursor / VS Code
在 Cursor（或 VS Code）里按 Ctrl+Shift+P → Remote-SSH: Open SSH Configuration File，添加一个 host 配置块（填入你 Pod 的 HostName 和 Port）：
Host runpod-cubepart
HostName <POD-IP>
User root
Port <PORT>
IdentityFile ~/.ssh/id_ed25519然后 Ctrl+Shift+P → Remote-SSH: Connect to Host → runpod-cubepart → 选 Linux，打开 /workspace 文件夹。所有要保留的东西都必须放在这里 - 只有持久存储能在关机后留下来。
创建一个安全的非 root 用户
你登录进去时是 root。在放手让 AI 助手自由操作之前，我会先建一个普通用户，让它不以 root 身份运行。在 Cursor 的终端里，仍以 root 执行：
apt update && apt install -y curl git sudo
useradd -m -s /bin/bash stefan
mkdir -p /workspace/stefan
chmod -R a+rwX /workspace/stefan
ls -ld /workspace/stefan切换到该用户并安装 Claude Code
切换到新用户（不需要重新连接），然后安装 AI 编程助手。从这里开始，助手以 stefan 的身份运行，而不是 root：
su - stefan
cd /workspace/stefan
curl -fsSL https://claude.ai/install.sh | bash
source ~/.bashrc
claude --version第一次启动时 claude 会要求你登录 - 在浏览器里打开链接，把代码粘贴回来即可。
以跳过权限模式运行助手，把活交给它
启动助手时跳过权限确认 - 在这里是安全的，因为这是一台隔离的、用完即弃的云端机器（Anthropic 只建议在容器/虚拟机里使用这个模式，而这正是我们现在的环境）：
claude --dangerously-skip-permissions从这一步起，我自己不再敲任何安装命令。我只是用大白话告诉 Claude 我想要什么：克隆 CubePart 仓库，连同所有依赖一起装好，下载模型权重，跑一个快速测试。它会针对这块 GPU 自己算出正确的 CUDA wheel 和命令，把整件事做完。唯一一条我每次都明确强调的指令：装进 /workspace，因为持久存储之外的任何东西都会在 Pod 关机时被清空。
让它启动 Gradio 演示，在你自己的浏览器里打开
CubePart 自带一个 Gradio 应用（没有 ComfyUI 版本）。我直接让 Claude 启动 Gradio 演示，并用公开分享链接把它暴露出来。它会启动应用，然后交回一个 https://….gradio.live 的 URL - 我在自己的笔记本上打开它，就能用上完整的 UI，而模型仍然跑在云 GPU 上。接下来就是常规的 Gradio 流程：丢进一个 GLB，输入部件名称，运行。
就这么简单 - 以及在哪里看输出
整套方法就是这样：一个我本地跑不动的模型，从一条 GitHub 链接变成了我自己浏览器里能用的 UI，花费大约一美元。同一套流程对下一个重量级模型照样适用，再下一个也一样。
成本、收尾，以及什么时候值得这么做
用完的那一刻就把 Pod 关掉。计费按小时算，不停它就一直跑。如果你只是偶尔需要某个模型，这比买一块 $2,000 以上的 GPU 划算太多 - 你只为实际用到的那几分钟付钱。如果你每天都在测模型，这笔账就反过来了，本地硬件开始变得划算。
这就是我在没有硬件的情况下测试重量级模型的方法。新模型源源不断地出现 - 每出一个，它就会直接进入竞技场，这样你不用安装任何东西就能比较它们。
