#9B模型
共 160 篇相关文章
·13 分钟
24GB Mac mini跑27B大模型：三个关键设置防止内存溢出
实测Qwen3.8-27B在24GB M4 Pro Mac mini上的运行表现，详解GPU显存上限调整、KV缓存量化、关闭思考模式三个关键设置，附IQ4_XS与Q4_K_M量化对比数据，帮助你在有限内存中稳定运行27B稠密模型。
阅读全文 →
·14 分钟
Nemotron 3.5 Lightning：专为长程Agent设计的高效开源模型
NVIDIA推出Nemotron 3.5 Lightning开源模型，主打智能、快速、高效，专为连续长程Agent任务设计。本文解析其核心优势、开源策略及对AI Agent行业的潜在影响。
阅读全文 →
·15 分钟
中国开源大模型崛起：从Reddit漫画看全球AI格局变化
一则Reddit热门漫画折射出中国开源大模型的全球影响力。从DeepSeek、Qwen到GLM，中国AI模型凭借开源策略和快速迭代，正在改变全球开发者的选择格局，本文深度解析这一趋势背后的行业信号。
阅读全文 →
·7 分钟
Qwen开发者暗示别等35B-A3B：社区三大猜测解读
Qwen通义千问开发者暗示用户不必等待35B-A3B模型，社区猜测可能有更大规模MoE模型发布或产品线策略调整。本文解读命名规则、分析三种可能方向及对开源大模型生态的影响。
阅读全文 →
·12 分钟
Qwen3-27B本地部署教程：8GB显存运行顶级开源模型实测
详解Qwen3-27B本地部署全流程，包括模型下载、llama.cpp配置、量化版本选择。实测编码能力、多模态视觉识别与Agent工作流表现，8GB显存即可运行的顶级开源大模型。
阅读全文 →
·15 分钟
Meta Muse Glimmer 30B实测：本地智能体模型新标杆
深度实测Meta开源Muse Glimmer 30B模型，详解其智能体能力、编程表现、性能评分及本地部署方案。对比Qwen 3.6 27B，解析工具调用、MCP集成、多步骤规划等核心优势，附RTX 3090等硬件配置推荐。
阅读全文 →
·12 分钟
vLLM部署与Unsloth微调实战：大模型推理服务全流程指南
详解vLLM大模型推理部署与Unsloth高效微调全流程，涵盖命令行一键部署、Python代码调用、AutoDL云服务器环境搭建、ModelScope国内加速等实操细节，以DeepSeek-OCR视觉模型为例演示完整链路。
阅读全文 →
·10 分钟
千问3.8 27B实测：一张显卡跑长程编程Agent
千问3.8 27B模型本地部署实测，4bit量化塞进24GB显卡，SGLang推理框架避坑指南，编程、长程任务、剧本拆解全面测试，SWE-bench Pro分数超越Claude Opus，个人可用的本地长程编程模型首次成为现实。
阅读全文 →
·15 分钟
Muse Glimmer 30B深度实测：Meta开源智能体模型本地部署全解析
深度实测Meta开源模型Muse Glimmer 30B的智能体代理能力、编程表现与本地部署方案。对比Qwen 3.6 27B，解析基准测试数据、硬件配置建议及适用场景，助你选择最适合的本地AI模型。
阅读全文 →
·15 分钟
从ML到AI工程师：务实的转型学习路线图
详解机器学习工程师与AI工程师的核心差异，提供从工程基础、LLM应用开发到生产化落地的完整学习路线，包含RAG系统、智能体开发等实操项目建议，帮助ML从业者高效转型AI工程师。
阅读全文 →
·17 分钟
Muse-Glimmer-30B实测：24G显存跑出九维跑分76分的性价比之王
深度实测Meta开源Muse-Glimmer-30B模型，九大维度403道题综合均分76.04，工具调用90+分碾压同级。4bit量化几乎无损，24G显存轻松驱动，D-Flash加速3.1倍达233tokens/秒，是本地部署玩家的高性价比首选。
阅读全文 →
·15 分钟
Meta开源Muse-Glimmer-30B模型：Agent能力全面对标Qwen，本地部署指南
Meta开源Muse-Glimmer-30B稠密模型，专为Agent场景设计，支持工具调用与多模态理解。采用Apache协议，部分指标超越Qwen-3 27B，本文详解其性能表现、硬件需求与部署方案。
阅读全文 →
·9 分钟
实测Meta开源Muse Glimmer：偏科的Agent专用模型
实测Meta开源30B模型Muse Glimmer，覆盖视觉识别、逻辑推理、全栈应用等场景。视觉能力出色但逻辑薄弱，D-Spark加速提速3倍却牺牲质量，128K上下文成最大硬伤。详细部署方案与横评数据。
阅读全文 →
·15 分钟
AMD核显跑26B大模型实测：统一内存架构下全GPU推理与mmap优化指南
实测AMD Radeon 840M核显利用32GB统一内存运行Gemma 26B-A4B大模型，达到17 tok/s生成速度。深入解析Ollama在统一内存架构下的GPU/CPU占比误读、mmap性能瓶颈及优化方案，为APU用户提供本地大模型部署实用建议。
阅读全文 →
·16 分钟
大模型学习路线：三阶段进阶实战指南
系统梳理大模型学习路线，从Python基础到LangChain、LlamaIndex两大框架，再到RAG、Agent、模型微调三大核心技能，最后通过实战项目完成闭环，助你三个月内掌握大模型应用开发能力。
阅读全文 →
·5 分钟
LFM2.5发布：2.6B小模型如何媲美4倍大模型
Liquid AI发布LFM2.5模型，仅2.6B参数即可在多项基准测试中媲美10B级大模型。本文解析其架构创新、训练策略及对AI行业效率优化趋势的深远影响。
阅读全文 →
·7 分钟
Meta Muse Glimmer：30B开源本地编程模型深度解析
深度解析Meta Muse Glimmer开源编程模型，30B参数规模支持本地运行，开放权重保障数据隐私。详解其技术定位、适用场景、部署要求及与Code Llama、DeepSeek Coder等竞品的对比分析。
阅读全文 →
·10 分钟
Needle2：仅14MB的端侧智能体大模型如何改变边缘AI
Needle2是一个仅14MB的端侧智能体大模型(agentic LLM)，专为手机、可穿戴设备、智能家居和机器人设计。本文深入分析其技术原理、极致压缩策略及应用场景，探讨端侧AI从云到端的范式转移趋势。
阅读全文 →
