FreeToken：无大显存也能跑，消费级 PC 本地运行 290B+ MoE 模型
gnukeith · x · 2026-08-22
开源项目 FreeToken（FlashML-org）是一个面向边缘设备的 MoE 推理引擎，主打在普通游戏 PC（如 5090 + 大内存，无大 VRAM 要求）上以交互级速度本地运行 290B+ 参数的前沿开源 MoE 模型。
其核心思路是把 GPU、CPU、主机内存和互连等异构资源当作统一的弹性推理平台：包括带宽自适应的 CPU-GPU 协同执行（q 策略）、全层双缓冲 prefill 流式、全局 LRU 专家缓存、FTW 快速权重格式，以及基于语义锚点检查点的 KV 缓存等。项目已在 GitHub 获得近 300 star。
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