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
- Oracle Q1 云基建收入三位数增长，AI 算力需求持续爆发 — DavidLinthicum · 2026-09-11
- SF Compute 创始人：现在买算力是「绝对糟糕的体验」 — IgorCarron · 2026-09-11
- 开源 SmolVM:2026 年 Agent 不止用浏览器,而是拥有整台电脑 — aniketmaurya · 2026-09-11
- PyTorch Day Korea 2026 首届线下大会启动,9月13日截止征集演讲 — PyTorch · 2026-09-11
- 本地跑 LLM 选卡:4 张 CMP-170HX 涨价 vs Mac Studio M5 — rumboll · 2026-09-11
- llama.cpp 为 RDNA4 调优 Flash Attention,大上下文提升明显 — pmttyji · 2026-09-11