RigBase

Name: RigBase
Author: getrigbase

作者：getrigbase版本 1.0.1i★ –i在云端运行

注册名称com.getrigbase/rigbase

安装

概览

作者提供的说明（英文原文）

Measured local-LLM tok/s on home AI rigs. Search builds, can-it-run, best GPU; sourced + linked.

PopNx MCP 的三大支柱

这三项永远不会合并成一个分数：意见、测量和人气是不同的东西。

用户评价i暂无评价评价功能将在后续阶段与账户功能一起开放
我们的基础检查i3 项中通过 3 项依据公开信息检查；尚未扫描代码
使用情况i尚未统计★ –

它能帮你做什么

我们还没有为它写通俗的介绍。下面是我们从注册中心读取到的事实。

连接方式: 在云端运行
传输方式: Streamable HTTP
分类: 搜索与 AI 记忆

安装

选择你使用的 AI 应用，然后复制设置。

安装之前

基础检查：3 项中通过 3 项
在作者的服务器上运行：你向它提出的内容会经过他们的服务器。
可以做 4 件事（工具） search_builds, can_it_run, best_gpu_for_model, get_build
注册中心没有列出需要填写的密钥。

你需要

在云端运行无需安装任何东西，通过互联网连接

你用的是哪个应用？

ClaudeClaude CodeCursorVS CodeChatGPT

在上方选择你的应用。我们会记住它，下次按钮会显示“安装到 …”。

适用于网页版、桌面版和手机版 Claude：

打开 Settings → Connectors
点击 Add custom connector
粘贴下面的地址，然后点击 Add
如果要求登录，请登录作者的服务

https://getrigbase.com/mcp

在终端中运行这条命令

claude mcp add --transport http rigbase https://getrigbase.com/mcp

在 Cursor 中打开

或者自己复制设置

粘贴到项目中的 .cursor/mcp.json，或 ~/.cursor/mcp.json

{
  "mcpServers": {
    "rigbase": {
      "url": "https://getrigbase.com/mcp"
    }
  }
}

浏览器会先询问是否打开应用，然后应用会显示设置并请你确认。密钥的值会留空，由你自己填写。

在 VS Code 中打开

或者自己复制设置

粘贴到项目中的 .vscode/mcp.json

{
  "servers": {
    "rigbase": {
      "type": "http",
      "url": "https://getrigbase.com/mcp"
    }
  }
}

浏览器会先询问是否打开应用，然后应用会显示设置并请你确认。密钥的值会留空，由你自己填写。

ChatGPT 只能连接互联网上的服务器：

打开网页版 ChatGPT → Settings → Connectors (Apps)
点击 Create 或 Add（部分套餐需要先在 Advanced 中开启 Developer mode）
粘贴下面的地址，起个名字，然后保存
如果要求登录，请登录作者的服务

https://getrigbase.com/mcp

菜单名称可能因套餐和版本不同而略有差异。

你的选择通过 Cookie 保存在这台设备上，无需账户。

这些设置是根据作者在注册中心的条目生成的。如果 README 的写法不同，请以 README 为准。

它能做什么

工具名称和描述与服务器在 2026年11月7日报告的完全一致。这些内容由作者撰写，不是我们写的；我们以纯文本形式显示。

search_builds
Search RigBase measured home AI builds. Filter by GPU name, model name, minimum VRAM (GB), and/or maximum build cost. Returns top matches with tok/s, quant, engine, source credit and canonical getrigbase.com URL. Never invents numbers.
can_it_run
Ask whether a given GPU setup can run a model. Returns measured RigBase results when available; otherwise a VRAM-fit estimate clearly labelled as an estimate (weights arithmetic, not a measured speed). Advises against quants below Q4. Always includes source credit and URLs for me
best_gpu_for_model
Return the fastest measured RigBase result for a model, plus tok/s per euro where a build cost or known GPU street price exists. Includes source credit and canonical URL.
get_build
Fetch one RigBase build by slug (e.g. "dual-3090-ryzen-3700x"). Returns parts, measured results, source credit and canonical URL.

基础检查i

我们检查的是任何人都能看到的信息；我们没有阅读代码。不适用的检查项不计入总数。 · 检查于 2026年11月7日

✓ 通过
作者与仓库一致
注册名称已通过域名 getrigbase.com 验证（注册中心会核实域名所有权）
… 尚未检查
仍在维护
我们还没有从 GitHub 读取这个仓库
… 尚未检查
有许可证
我们还没有从 GitHub 读取这个仓库
✓ 通过
端点有响应
在 63 毫秒内响应（HTTP 200）
– 不适用
使用 OAuth 登录
无需登录
✓ 通过
工具描述中没有隐藏指令
已读取 4 个工具描述，未发现针对 AI 的隐藏指令

与“搜索与 AI 记忆”中的其他服务器比较i

星标数多于此分类中其他 5654 个服务器的 0%
发布到注册中心的时间比此分类中其他 5654 个服务器的 99% 更新
基础检查结果等于或优于此分类中其他 5654 个服务器的 100%

与注册中心里这个分类中所有活跃的服务器比较。只有当发布者拥有该仓库时，星标数才计入。

常见问题

RigBase 安全吗？

它在 3 项适用的基础检查中通过了 3 项。我们没有阅读代码。在添加密钥或令牌之前，请先看看这个服务器要求哪些权限，并使用只具备所需权限的密钥。

它需要哪些密钥或代码？

注册中心没有列出必需的密钥，不过有些服务器会在首次使用时要求你登录。

它在我的电脑上运行还是在云端？

它在作者的云端运行。通过互联网连接，无需安装，但你发送的内容会经过作者的服务器。

它还在维护吗？

GitHub 仓库最后更新于–，最新版本（1.0.1）于今天进入注册中心。

哪些应用可以使用它？

支持 MCP 的应用，例如 Claude Desktop、Claude Code、Cursor 和 VS Code。它通过 URL 连接，所以接受远程 MCP 服务器的应用也可以使用，例如开启开发者模式的 ChatGPT。

有什么可以替代它？

同一分类中有：Context7, Codebase Memory, Exa

替代选择

同一分类中其他作者的服务器，按星标数排序。

如何看卡片：★ GitHub 星标i三大支柱：评价 · 检查 · 使用情况i更新 = 最新版本发布到注册中心的时间i

Context7

作者：upstash

Up-to-date docs for AI agents

电脑或云端★ 64,224MIT昨天更新

安装

Codebase Memory

作者：DeusData

Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.

在你的电脑上运行★ 48,148MIT21天前更新

安装

Exa

作者：exa-labs

Connect AI agents to Exa for web search, content fetching, and multi-step research.

在云端运行★ 5,213MIT2个月前更新

安装

作者的 README

打开 README

按原文从作者的仓库复制。PopNx MCP 没有审查或背书其内容。HTML、图片和脚本已被移除。链接会离开本站。

RigBase data

Measured local-LLM speeds on real home hardware.

getrigbase.com · Live download · Hugging Face · Licence: CC BY 4.0

This repository mirrors the free RigBase dataset:


Builds	150
Measured results	358
Models	51
Snapshot generated	2026-10-27 (from getrigbase.com/data/)

Every number links to its original public source (llama.cpp discussions, llama-bench databases, blogs, GitHub repos, Mia's AI Lab recipes, and similar). RigBase collects and normalises these numbers; it does not re-measure them or invent estimates for the tps column.

Files

builds.csv — one row per measured result (358 rows)
builds.json — one object per build with parts + nested results
LICENSE — CC BY 4.0
CITATION.cff — machine-readable citation

Quick start

# CSV

curl -LO https://getrigbase.com/data/builds.csv

Or clone this repo

git clone https://github.com/getrigbase/rigbase-data.git

import pandas as pd

df = pd.read_csv("builds.csv")

Plain decode only (drop speculative / MTP / draft runs):

plain = df[df["spec_decode"].fillna("none").eq("none")] print(plain.groupby("model")["tps"].max().sort_values(ascending=False).head(10))

Columns (CSV)

column	meaning
`build_slug`, `build_title`, `page_url`	Build id, name, and RigBase page
`gpus`, `vram_gb`, `cpu`, `ram`, `power`	Hardware as stated by the source
`model`, `quant`, `engine`	What was run, as stated by the source
`tps`	Generation (decode) tokens/sec reported by the source
`spec_decode`	`none`, or the speculative-decoding method (MTP, DFlash, …)
`prefill_tps`, `prefill_tokens`, `prefill_metric`	Prefill speed only where the source reports one; never estimated
`est_ttft_8k_s_calculated`	Calculated (not measured): 8192 / prefill_tps when prefill_tokens ≥ 512
`ttft_s_measured`, `ttft_prompt_tokens`	TTFT as measured by the source
`source`	Original public measurement URL
`source_checked_by_rigbase`	`yes` = RigBase re-read the number at the source

Full column notes: https://getrigbase.com/data/

Caveats

Numbers come from different people, engines, quants and settings. Compare rows from the same source when you compute ratios.
Filter on spec_decode == "none" for plain decode speed.
Calculator pages on the site (VRAM, KV cache) are arithmetic, not measurements. They are not in this dataset.

Browse builds: https://getrigbase.com/
Can I run it? (VRAM + KV cache calculator): https://getrigbase.com/can-it-run/
DGX Spark recipes: https://getrigbase.com/dgx-spark/
Submit a correction or build: https://getrigbase.com/submit/

Attribution

Required by CC BY 4.0:

RigBase (getrigbase.com), CC BY 4.0. Each row keeps its original source URL.

Please also keep or cite the per-row source URL when you reuse an individual number.

Updates

The live files at https://getrigbase.com/data/ are the source of truth. This GitHub mirror is refreshed when the site dataset changes. Issues and PRs that fix a sourced number (with a link) are welcome.