11 月 3 日，微软副总裁 Scott Hanselman 在 X 上说，他 GPU 里动静不小，想做个 GPU Taskman，看清楚显存到底跑到哪去了。仓库就是那天建起来的，到 11 月 9 日上午攒到 1055 星，五个版本的安装包被下载 5314 次，光 Windows 64 位那个就占 4693 次。
他要回答的问题很具体。任务管理器说「已用 15 GB」，那么这 15 GB 里，模型权重占多少、KV cache 占多少、浏览器占多少、桌面合成器占多少。
README 里有个例子最说明问题：同一张 Windows 桌面，旧的计数口径读到 15.3 GiB，换成只算本地显存的口径是 1.4 GiB。差了十倍不止，显存被谁吃了，麻烦出在量法上，工具早就有了。
那一行数字，本来就不是账本
Windows 任务管理器的 GPU 页只给总数，进程那一列能拆到「谁用了多少」，但拆得不干净。跨进程共享的那块表面最麻烦：同一个 Direct3D 表面可能同时挂在应用、csrss.exe 和 dwm.exe 名下，按「专有显存」把各行加起来，等于把同一块内存数了三遍。桌面窗口管理器（dwm.exe）背了最大的那口锅，它统筹所有窗口的合成画面，共享面自然也记在它头上。
gputaskman 的办法是换口径：优先读 Local Usage 和 Non Local Usage，这两项拿不到才退回 Dedicated 和 Shared。适配器总量当基准，进程行相加超过总量时，分类色条按比例归一化，界面上写明「标签是原始值，条是归一化后的」。
顺带说一句 nvidia-smi 为什么帮不上忙。GeForce 卡走 WDDM，显存由 Windows 自己管，NVML 经常把每进程显存报成 N/A；换到 WSL 里，连进程都列不出来。Windows 的 GPU 计数器反倒能跨 Direct3D、Vulkan、OpenGL 和 CUDA 归属，gputaskman 绕不开这条路，原因也在这。
1.31 GB 里，604 MB 是权重
官方那张截图跑在一台 RTX 4080 SUPER 上。16 GB 显存用了 5.01 GB，占得最多的是 dwm.exe 的 2.18 GB，第二名是 llama-server.exe 的 1.31 GB。
点开 llama-server 那一行，账就摊开了：Qwen3-0.6B，Q8_0 量化，752M 参数，28 层。1.31 GB 分成四块，权重 604 MB，KV cache 448 MB，compute buffer 30 MB，CUDA 上下文和 cuBLAS 这些杂项 259 MB。四项加起来，正好对得上那一行的数字。
上下文长度这一项最容易被忽略。截图里那个服务开的是 4096 上下文，KV cache 448 MB；按同一份数据算到 32k，光 KV 就要 3.5 GB。模型没换，显存差出将近八倍。
本地模型服务它也认。Ollama 和 LM Studio 起的服务会显示成能看懂的名字，还能给出上下文长度、占了几个 slot、当下的吞吐。Mac 这边同样有记录：M4 Mac mini 上跑一个 2 GiB buffer 的 PyTorch MPS 任务，界面显示 Python、AI、PyTorch+Metal，3.06 GB，99%。
想留证据也方便。--json 存一份快照，加载模型或者改完 -c 再来一份，diff 一下就知道是哪一块涨了。
估算和实测分开记，这笔账才算得清
它不翻显存内容。做法是把几路证据拼起来：Windows 图形内核给每进程显存和引擎占用，NVML 或 AMD 的接口给设备级遥测。进程里映射的 DLL 说明挂了哪个运行时，映射文件、命令行参数和 GGUF 头算出权重和 KV 的账。
和同类工具最不一样的地方有两点。一是实测和估算分区列，权重、KV 这些算出来的数永远不并进实测总量，哪部分是称出来的、哪部分是估出来的，一眼能看出。二是前后两份快照的 diff 按 PID 先配对，配不上就按进程名加监听端口配，模型重载换了 PID 照样对得上。
这两条放在一起，才看得出估算的偏差有多大。官方在一台 4080 SUPER 上用 gemma-3-270m 试过：-c 从 4096 改到 32768，按 GGUF 算 KV 该涨 504 MB，实测显存只涨了 83 MB。原因是 Gemma 3 用了滑动窗口注意力，估算给的是上限；另一组 spot check 里，Gemma-3-270M 的 KV 估 72 MiB，运行时日志记的是 49.5 MiB。
这就像一台秤配一本菜谱：秤称的是装盘重量，菜谱算的是该放多少克。两本账分开记，才知道是哪一步出了岔子；混在一本上，越算越糊涂。
两条命令就能装，Mac 上还缺几样
Windows 最省事：到 Releases 下整个 zip，解压后保留 _internal 文件夹和 exe 同级，然后在 PowerShell 里跑 .\gputaskman.exe，不用装 Python。装了 uv 或 pipx 的话，也可以 uv tool install gputaskman，之后敲 gputaskman 或者 gtm。
Linux 和 WSL 拿 tar.gz，解压直接运行，要求 glibc 2.35 以上，也就是 Ubuntu 22.04、Debian 12 这个线。NVIDIA 卡直接可用，原生 Linux 上的 AMD 卡走 amdgpu 驱动也行。
Mac（Apple 芯片）麻烦一点，没有便携包，得先 clone 再 uv run gputaskman，Python 要在 3.11 以上。
Mac 上能看到的东西也少一截。GPU 内存和系统内存是同一个池子，没有 VRAM、spill、paged 这几列；温度、功耗、时钟、PCIe 都拿不到。至于别人的进程（WindowServer 除外），显存那一栏显示 n/a，要看全得 sudo。Metal 这边只给每个进程一个总的 GPU 时间，3D、计算、拷贝拆不开。README 的 Next 里，macOS 便携包和 Ollama、MLX 的验证都还排在待办上。
不适合谁也说清楚：Intel 的 Mac 用不上，它走的是 Apple 芯片那套 Metal 客户端接口。纯 NPU 和云端 GPU 不在范围内；想知道是哪个纹理、哪个张量在吃显存，得上 PIX 或 Nsight 那一层。
项目地址：https://github.com/shanselman/gputaskman
安装包：https://github.com/shanselman/gputaskman/releases
PyPI：https://pypi.org/project/gputaskman/
评论区