2026年11月12日，Edge0在官方博客宣布开源Edge0-145B和更小的Edge0-120B，连同推理框架与部署工具一并公开。Edge0-145B号称全球首个开源的1450亿参数端侧模型，要把写代码、推理和智能体能力从云端搬到个人电脑上，代码按Apache 2.0协议开源，权重放在Hugging Face。
145B参数，怎么塞进一台笔记本
关键在“只算一小部分”：145B是总参数量，每次推理实际参与计算的只有约100亿，64个专家共享两组大矩阵，各自只保留少量专属参数。加载也分三层：常用专家留显存，约40GB专家库放内存，约48GB词表数据留SSD按需读取；CPU与GPU并行，再加推测解码一次验证多个候选词。官方报出的数据是峰值内存29GB，预填充每秒1100个词以上，解码每秒80个词以上，上下文128K到256K，典型功耗约120瓦，首日支持macOS、Windows和Linux，包括苹果M系列芯片与英伟达RTX平台。以上数字来自Edge0内部测试，未经第三方复现。
跑分接近云端模型，短板也在明处
按官方内部评测，Edge0-145B在DeepSWE 1.1上得64.6分，高于Qwen3.8-Flash-Next的58.7分；Terminal-Bench 2.1上86.52分，GPQA-Diamond上90.4分，六项基准均分72.8，内存占用约只有同等水平基线模型的四成。演示里它在本地独立干了不少重活：用Blender搭曼哈顿街景、写程序让真无人机找到红色背包、在KiCad里从零画电路板做装配动画，全程不调云端接口。横向看，本地大模型的门槛并没有消失：29GB峰值内存意味着普通16GB内存的笔记本跑不动，48GB内存的机型才是目标用户；这和此前1T参数Mistral Large 4开放权重时的结论一致：权重能下载，不等于人人能跑。更早的本地运行工具如Ollama解决的是小模型易用性，Edge0赌的是另一端：把大模型本身做小、做省，再塞进个人设备。
对开发者来说，真正的变化不在跑分，而在账怎么算：本地推理没有按词计费，代码和数据可以不出本机，离线也能继续干活；代价是硬件和电费自己扛，模型更新、长记忆和查最新信息仍要靠云。这次145B能不能复现Edge0-35B今年9月登顶Hugging Face热门榜的热度，要看社区实测能不能撑住官方数字。
