Gemma 4 26B 通过 model paging 跑在 iPhone 17 Pro 上
Agreeable-Rest9162 · reddit · 2026-07-25
Noema 创始人展示了一个很典型的 端侧部署案例：把 Gemma 4 26B A4B 通过 model paging 跑在 iPhone 17 Pro 上。
他的做法是把非专家权重放在 RAM 里，再从 SSD 读取专家权重，从而用速度换取“手机能跑大模型”的可能。帖子给出了具体性能：初始 prompt 699 tokens，prefill 速度 34.4 tk/s，prefill 用时 20.34 秒，decode 速度 3.5 tk/s；整段回答大约 6 分钟完成。作者认为，这种方案在“准确性比时延更重要”的场景里可能很有价值，也适用于低内存 MacBook。
「Infra」频道最新
- Anthropic S-1:每 1 美元收入烧 48 美分算力成本 — nmasc_ · 2026-10-26
- Persistent AI 入驻 UR 网络，隐私推理流量全程加密 — 0xSammy · 2026-10-26
- Anthropic 算力承诺曝光：Google 至少 1145 亿美元居首 — BenBajarin · 2026-10-26
- SpaceX 与 Apollo 达成 400 亿美元 AI 芯片与数据中心硬件租赁协议 — Polymarket · 2026-10-26
- Diamandis 盘点：SpaceX AI 业务年增 830%，Claude 64 小时设计 31.8 万抗毒蛋白 — PeterDiamandis · 2026-10-26
- Meta 拟发售至多 950 亿美元股票为 AI 基建输血 — The Decoder · 2026-10-26