伯克利开源 FreeToken：千元的 4060 笔记本跑 35B 模型
Yuchenj_UW · x · 2026-08-22
UC Berkeley Sky Lab 开源 FreeToken，大幅提升消费级 GPU 上的本地推理速度：单张 RTX PRO 6000 工作站即可让 753B 的 GLM-5.2 跑到 14.9 tok/s，8GB 显存的 RTX 4060 笔记本（约 1000 美元）能以 39.3 tok/s 运行 Qwen3.6-35B，RTX 5090 可跑 DeepSeek-V4-Flash 284B（22-25 tok/s）。
关键点是使用官方权重、无需极端量化，速度比 Ollama 快 2-4 倍，可以在本地零成本接入 Claude Code 或 Codex 使用前沿模型。
所属事件:伯克利MIT开源FreeToken：消费级PC本地跑前沿MoE大模型(11 条相关)→
「Infra」频道最新
- 推理平台 engy.ai 单日处理超 500 亿 tokens,主打低价开源模型 — const_reborn · 2026-10-16
- 新推理引擎『e』单台 DGX Station 跑出 10500 tok/s 聚合吞吐 — brandon_galang · 2026-10-16
- SGLang Day-0 支持 FLUX 3 Image Klein：单图 10 参考图，BF16/FP8/NVFP4 多精度 — ying11231 · 2026-10-16
- 英伟达 Nemotron 3.5 Super VL 上线 CoreWeave：12B 激活参数多模态 MoE，输入仅 $0.25/百万 tokens — wandb · 2026-10-16
- 2026 晶圆厂设备支出上调至 1530 亿美元，设备周期被拉长 — BenBajarin · 2026-10-16
- Steam 更新实测 5.23 秒启动反超 Epic，网友调侃 vLLM 该加入「启动时间大战」 — AlpinDale · 2026-10-16