744B模型可在笔记本本地运行
WesEklund · x · 2026-07-11
Colibri 用纯 C、零依赖的方式在一台笔记本上运行 GLM-5.2 744B MoE，作者称只需 25GB 内存。
核心思路是：
- 每个 token 只激活约 40B 参数，因此可以把稠密部分常驻内存
- 专家参数按需从磁盘流式加载，而不是一次性全部放进内存
- 整个实现只有约 2400 行 C 代码，运行时不需要 GPU、BLAS 或 Python
这说明超大 MoE 在“本地 CPU 推理”上有了更激进的实现路径。
所属事件:744B GLM-5.2模型可在25GB内存本地运行(5 条相关)→
「Infra」频道最新
- AI 工程师必懂的 12 种 KV Cache 压缩技术一文讲透 — blaizedsouza · 2026-09-11
- 影子算力市场走向台前,Meta 对外出售过剩 GPU 算力成标志性信号 — DavidLinthicum · 2026-09-11
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11
- 劝退帖:推理工程是真金白银的硬活,八成尝鲜者已悄然放弃 — abhijithneil · 2026-09-11
- Hugging Face《Ultra Scale Playbook》:GPU 集群训练 LLM 的免费技术书 — mdancho84 · 2026-09-11
- 从聊天到 Agent,推理延迟正在成为生产级瓶颈 — Euphoric_Sea632 · 2026-09-11