FreeToken 框架：解码提速 4 倍，笔记本可跑 284B 模型
airesearch12 · x · 2026-08-22
FreeToken 是一个面向边缘设备的 MoE 模型推理系统，通过带宽自适应的 CPU-GPU 执行与跨 Agent 轮次的语义缓存，相比 Ollama 实现 3–4 倍的解码速度提升和 6–30 倍的预填充速度提升。
该系统将个人机器视为统一的弹性推理平台，动态映射计算与模型状态，而非依赖固定的卸载策略。实测显示，它能在 8GB 笔记本 GPU 上运行 35B 模型，在游戏台式机上运行 284B 模型，并在单张工作站 GPU 上运行 753B 的 GLM-5.2。
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