AutoArk 團隊(Edge0)2026 年 11 月 12 日發佈的端側 Agent / 編碼模型:145B 總參數、每 token 只激活 10.12B,底座是阿里 Qwen3.8-Flash-Next,權重在 Hugging Face 公開。官方標題說「29GB 峯值內存、一臺消費級電腦就能跑」——但模型卡自己的實測是另一回事:NVFP4 整機約 61.5 GiB,Mac 支持發佈時並不存在。基準上它對底座編碼兩項大勝、知識三項小負,均分只高 1.1 分,且全部 6 項都是廠商自報、尚無獨立驗證。本頁彙總官方規格、安裝門檻、許可證與中英文首批解讀,並明確標註哪些說法尚未證實。
先把能確認的說清楚:這是本站第一個「145B 裝進一臺消費級電腦」的專題——「公開權重、本地可跑」是真賣點,「29GB、開源、MacBook Pro」三處說法都要打折讀。
一張表看清它在「底座衍生」裏的位置:編碼兩項領先、均分只高 1.1 分;最大的區別不在分數,而在部署形態——只有它能在本地跑。
| 模型 | 均分(6 項,廠商自報) | DeepSWE 1.1 | Terminal-Bench 2.1 | 權重 | 成本 |
|---|---|---|---|---|---|
| Edge0-145B | 72.8 | 64.6 | 86.52 | 公開權重(自定義許可) | 本地硬件 + 電費,無 API 價 |
| Qwen3.8-Flash-Next(底座) | 71.7 | 58.7 | 83.3 | Qwen 社區許可 | 雲端模型 |
| DeepSeek-V4-Flash-0731 | 70.1 | 54.4 | 82.7 | — | 雲端模型 |
全部基準分數均爲廠商自報(Edge0 內部評測),截至 2026 年 11 月 20 日無獨立驗證。Edge0-145B 對底座的均分領先只有 +1.1,且 HLE、GPQA-Diamond、IFBench 三項低於底座;對 DeepSeek-V4-Flash 的均分領先爲 +2.7。DeepSeek-V4-Flash-0731 是 7 月 31 日構建。
6 項基準分組對比:Edge0-145B 的領先集中在 DeepSWE 與 Terminal-Bench 兩項編碼任務上,HLE、GPQA-Diamond、IFBench 三項落後於底座。
時間緊的話先讀這三篇:基準盤點、許可證解析與安裝指南——三處最容易被標題誤導的地方。
發佈僅 8 天,批評文章比獨立驗證來得快:11 月 13–15 日三篇關鍵批評文章相繼指出 29GB、Mac 與許可證的三處出入,獨立跑分至今爲零。
Edge0-35B 發佈(手機量級模型,按官方博客口徑爲 145B 產品線的起點)。
edge0-infer v0.2.0 發佈說明上線(GitHub):Windows x64/arm64 安裝包、本地服務兼容 Anthropic Messages API;說明 145B 權重不隨安裝包附帶、需另從 Hugging Face 下載。
Edge0-145B 與 Edge0-120B 發佈:官方博客「Introducing Edge0-145B: Frontier AI Capabilities on Your Own Computer」上線,權重上 Hugging Face(Q3_K 與 NVFP4 兩個構建),框架與部署工具上 GitHub,Edge0 App 發佈;博客稱其爲「全球首個 145B 參數的開源端側 AI 模型」、29GB 峯值內存、可跑在 MacBook Pro 上。
groundtruth.day 發佈批評文章:指出 29GB 與 Mac 支持的兩處出入並拆解許可證;Signal Sentry 給出計分卡,寫明「No independent results yet」。
freshsynapse、explainx.ai 跟進解釋;newtoken.link 發佈中文批評文章「Edge0 的 1450 億參數模型首發版跑不了 Mac」;After Intelligence 通訊第 070 期把 Edge0-145B 作爲頭條 frontier 條目(與 Nex-N2.6 並列)。
oguzhan.co 發佈深度批評「29GB 標題沒說的事」:算出 NVFP4 整機約 61.5 GiB、指出 Mac 缺口與許可證細節;YouTube 出現深度解析視頻(對廠商數字的評論,非獨立跑分);Hacker News 出現討論(「公開權重而非開源」的爭論)。
本站完成調研:確認 6 項基準、許可證文本與安裝門檻,結論爲材料夠 hub + 6 篇文章,決定建專題。
本站專題頁上線(本頁)。截至當日:技術報告仍未發佈,AA、LiveBench、LMArena 均未收錄 Edge0-145B,OpenRouter 未上架。
以下爲官方已公佈口徑(Hugging Face 模型卡,本站 2026 年 11 月 16 日直讀;官方博客同日覈對)。
沒有云端 API,試用只有本地路線:命令行、桌面應用、權重直下三條是通的,Mac 那條發佈時不通。
從 GitHub Edge0-AI/Edge0 獲取 edge0-infer v0.2.0(2026 年 11 月 11 日發佈說明),本地服務兼容 OpenAI 與 Anthropic 的 Messages API,工具調用走這條本地服務。權重不隨安裝包附帶,需另從 Hugging Face 下載。門檻:NVIDIA GPU(計算能力 7.5+)、16 GiB+ 顯存、20 GiB+ 系統內存、CUDA Toolkit 13、Linux 或 Windows。詳見本站安裝指南。
官方博客口徑:核心能力離線可用、無需賬號與用量配額。但 v0.2.0 的 Edge0 Chat 桌面安裝包只有 Windows 版——「下載應用、點開即用」目前只對 Windows 用戶成立。
Q3_K(Edge0/Edge0-145B-q3k,40.81 GiB)或 NVFP4(Edge0/Edge0-145B-NVFP4,47.79 GiB)。默認選 Q3_K:文件更小、系統內存更少、速度更快(解碼 121.2 對 98.3 tok/s)。下載免費,許可證見第 08 節。
輸入支持文本 + 圖像:模型文件夾裏有視覺編碼器 mmproj-BF16.gguf,但需要 strata-vision 幫手(不在 Edge0 代碼樹內建),裝機時另行確認其狀態;輸出爲文本。工具調用走本地 OpenAI / Anthropic 兼容服務器。
另:120B 兄弟模型 Edge0-120B 同日發佈,同樣提供 Q3_K 與 NVFP4 構建;其完整規格與基準對照表官方尚未公佈,見第 13 節。
沒有按 token 計價,也就沒有「多少錢一百萬 token」這張表——Edge0-145B 的賬本只有兩行:硬件與電費。價格爲 2026 年 11 月 16 日覈查口徑(模型卡與官方博客直讀)。
| 成本項 | Edge0-145B | 雲端 API 模型(對照) |
|---|---|---|
| API 調用費(每百萬 tokens) | 無(無託管 API、無 OpenRouter 上架) | 按量計費 |
| 權重下載 | 免費(Hugging Face 公開權重) | — |
| 框架與工具 | 免費(Apache 2.0) | — |
| 硬件(一次性) | 16GB+ 顯存 GPU、20 GiB+ 系統內存、CUDA 13;實測整機約 61.5 GiB(NVFP4) | 無 |
| 電費(邊際) | 典型功耗約 120W(廠商口徑) | 無 |
官方宣傳的「零 token 成本」是真的,但它只說了一半:邊際成本是零,固定成本不是零。跑 Edge0-145B 之前要先有一臺符合門檻的機器——16GB+ 顯存的 GPU、20 GiB+ 系統內存、CUDA 13,以及約 40–48 GiB 的磁盤空間;實測整機內存需求比標題的 29GB 高出一倍(NVFP4 約 61.5 GiB)。對已經有這臺機器的人,邊際成本確實只有電費(典型功耗約 120W);對沒有的人,第一筆賬是硬件,不是 token。
跟雲端 API 模型比賬要這樣比:雲端按量付費、零固定成本;Edge0-145B 固定成本一次付清、之後只付電費——用量越大,本地路線越划算;用量小,雲端反而便宜。不要把「沒有 token 賬單」讀成「不要錢」。
官方頁面:Edge0 官方博客 · Hugging Face Q3_K 模型卡 · Hugging Face NVFP4 模型卡
以下全部是 11 月 13–16 日的首批解讀與批評:沒有一家真正跑過模型——所有文章都是對廠商數字的再分析。每條都給出結論徽章;點「閱讀本站全文」進入本站的深度改寫文章頁,文末附原始出處。
來源:Signal Sentry,2026-11-13–15
原文寫明:「No independent results yet. They appear here as Epoch AI and LMArena add this model.」同時確認 OpenRouter 未收錄該模型。這是發佈後第一週唯一一份「驗證狀態」清單:基準、內存、速度三項數字目前全部來自 Edge0 自己的測試。
來源:oguzhan.co,2026-11-15
算出 NVFP4 整機約 61.5 GiB(23.25 GiB 顯存 + 38.27 GiB 系統內存),指出 Mac 支持缺口,拆解許可證,並全文轉載 6 項基準表、標註廠商口徑。本站的內存真相與許可證口徑與該文一致;該文同樣沒有獨立跑分。
閱讀本站全文 → (本站原創整理)
來源:groundtruth.day,2026-11-13
發佈次日即指出 29GB 與 Mac 支持的兩處出入,並給出許可證細節;同時指出博客表格裏 Claude-Opus-4.6 的對照列已經過時。時間最早、覈查最細的批評文章之一。
閱讀本站全文 → (本站原創整理)
來源:freshsynapse(11 月 14 日)、explainx.ai
兩篇解釋文章都實際覈對了 Hugging Face 模型卡與 GitHub 倉庫,確認了 Q3_K / NVFP4 兩個構建、CUDA 13 門檻與 16GB 顯存下限;explainx.ai 明確寫了「公開權重而非開源」的定性。價值在事實覈對,不在新測量。
閱讀本站全文 → (本站原創整理)
來源:newtoken.link,2026-11-14
標題「Edge0 的 1450 億參數模型首發版跑不了 Mac」:點出 Mac 爭議、均分只比底座高 1.1、許可證折扣三點。中文覆蓋裏唯一一篇有實質批評的文章;機器之心、新智元、量子位、IT之家等一線中文科技媒體均未報道。
閱讀本站全文 → (本站原創整理)
來源:After Intelligence newsletter edition 070,2026-11-14–15
把 Edge0-145B 作爲頭條 frontier 條目,與 Nex-N2.6 並列。說明發布後三天內它已進入英文通訊的視野;通訊本身不做獨立測量,不要把它當作驗證引用。
來源:YouTube,2026-11-15(約 7 分鐘,Edge0 + Gemini 4 傳聞)
對廠商數字的視頻評論,沒有實機運行與獨立測量。引用時只能寫「視頻評論」,不能寫「獨立實測」。
以下 6 篇均爲本站原創改寫與再整理的深度文章——重新組織結構、補充結論與選型建議,事實與數據與官方來源覈對一致。點擊任意一篇在本站內閱讀,文末附原始出處。
Edge0-145B 目前沒有一家獨立榜單的成績:AA、LiveBench、LMArena 均未收錄。以下 6 項分數全部來自官方博客的內部評測,技術報告尚未發佈,復現說明未出。讀分數前先看條件與口徑。
| 基準 | Edge0-145B | Qwen3.8-Flash-Next(底座) | DeepSeek-V4-Flash-0731 | Claude-Opus-4.6(Max) |
|---|---|---|---|---|
| DeepSWE 1.1 | 64.6 | 58.7 | 54.4 | — |
| Terminal-Bench 2.1 | 86.52 | 83.3 | 82.7 | 78.2 |
| HLE | 35.4 | 35.9 | 33.8 | 40.0 |
| GPQA-Diamond | 90.4 | 91.7 | 90.8 | 91.3 |
| IFBench | 80.6 | 81.3 | 79.2 | 62.5 |
| AA-LCR | 79.3 | 79.1 | 79.7 | 78.0 |
| 均分(6 項) | 72.8 | 71.7 | 70.1 | — |
完整盤點見本站基準測試專文 →
| 維度 | Edge0-145B | Qwen3.8-Flash-Next |
|---|---|---|
| 均分(6 項,廠商自報) | 72.8 | 71.7(+1.1) |
| DeepSWE 1.1 | 64.6 | 58.7(+5.9) |
| Terminal-Bench 2.1 | 86.52 | 83.3(+3.22) |
| HLE / GPQA-Diamond / IFBench | 35.4 / 90.4 / 80.6 | 35.9 / 91.7 / 81.3(三項全高) |
| 部署形態 | 端側:一張消費級 GPU + 大內存 | 雲端模型 |
| 權重 | 公開權重(Edge0 社區許可) | Qwen 社區許可 |
| 上下文 | 256K | — |
重建換來的是方向不是全面:編碼與 Agent 兩項合計 +9.1 分,知識與指令跟隨三項合計 −2.5 分,均分淨賺 1.1 分。詳見本站對比專文。
| 維度 | Edge0-145B | DeepSeek-V4-Flash-0731 |
|---|---|---|
| 均分(6 項,廠商自報) | 72.8 | 70.1(+2.7) |
| DeepSWE 1.1 | 64.6 | 54.4(+10.2) |
| Terminal-Bench 2.1 | 86.52 | 82.7(+3.82) |
| GPQA-Diamond / AA-LCR | 90.4 / 79.3 | 90.8 / 79.7(兩項全高) |
| 部署形態 | 端側本地可跑 | 雲端模型 |
對 DeepSeek 的結論與對底座相同:領先集中在編碼兩項,GPQA-Diamond 與 AA-LCR 兩項仍落後。DeepSeek-V4-Flash-0731 是 7 月 31 日構建。詳見本站對比專文。
Edge0-120B 與 145B 同日發佈,是同一產品線的更小一檔,同樣提供 Q3_K 與 NVFP4 構建。但截至 2026 年 11 月 20 日,官方博客與模型卡沒有公佈 120B 的完整規格與 6 項基準對照表——本站不做「145B 比 120B 強多少」的量化結論。個別第三方文章引用過 120B 的 Terminal-Bench 分數,但不同來源的數字互相矛盾(75.3 與 81.3 兩個口徑),在官方確認之前一律不採用。
Edge0-145B 的混淆主要來自六個地方:許可證、29GB、Mac、全面領先、API 與 Claude 對照——逐條澄清如下。
權重適用 Edge0 Community Model License 1.0(2026-11-12)——一份自定義社區許可證,商業服務須另籤書面許可;Qwen Community License 1.0 同時適用。只有框架代碼是 Apache 2.0。準確說法是「公開權重」,不是「開源」。官方博客的「open-sourcing」措辭與許可證文本不符。
29GB 是 GPU 側峯值內存,不是整機需求。模型卡實測常駐:NVFP4 需 23.25 GiB 顯存 + 38.27 GiB 系統內存(整機約 61.5 GiB),Q3_K 需 23.14 GiB 顯存 + 31.28 GiB 系統內存(整機約 54.4 GiB),另有約 40GB 專家庫在系統內存、約 48GB 詞表數據在 SSD 上。「一張消費級 GPU」是真的,但它後面還跟着一大份系統內存與 SSD。
官方博客稱發佈首日支持 macOS / Apple M 系列,並以 MacBook Pro 爲例宣傳;但 GitHub README 的平臺表裏沒有 145B/120B 的 macOS 支持,構建說明針對 NVIDIA GPU + CUDA 13 的 Linux 或 Windows,Edge0 App 只有 Windows 版。M2 Ultra 的 57.0 tok/s 是 Metal 速度測量,不是可用性證明。
均分只比底座高 1.1 分(72.8 對 71.7),且 HLE、GPQA-Diamond、IFBench 三項低於底座。領先集中在 DeepSWE(+5.9)與 Terminal-Bench(+3.22)兩項編碼任務上——是方向性領先,不是全面領先。
Edge0-145B 沒有託管 API,沒有按 token 的價格,OpenRouter 未收錄。調用只能走本地 edge0-infer 服務(兼容 OpenAI / Anthropic Messages API),成本只有硬件與電費。
博客表格把 Edge0-145B 的 Terminal-Bench 2.1(86.52)與 Claude-Opus-4.6(78.2)並列,但評論者已指出這個對照過時了——Opus 4.6 的分數不是同期同口徑的實測。引用前必須先說明這一列的時效問題。
2026 年 11 月 12 日(週四)正式發佈,同日發佈 120B 兄弟模型 Edge0-120B;推理框架 edge0-infer v0.2.0 發佈說明在 11 月 11 日先行。時間線見本頁第 05 節。
Edge0 是 AutoArk 團隊的端側 AI 品牌,官方博客聯繫方式指向 autoark.ai;公司所在地未公開,本站未覈實到可信來源,故不在本頁標註國家。
不是開源,是公開權重。權重適用 Edge0 Community Model License 1.0(2026-11-12),Qwen Community License 1.0 同時適用;只有框架代碼是 Apache 2.0。個人、研究、修改、非商業分享、內部商業使用與商業使用生成內容免費;出售權重、爲第三方運營商業模型服務、提供獨立商業編碼或辦公產品,須另籤書面許可。詳見本站許可證專文。
阿里 Qwen3.8-Flash-Next(Hugging Face 模型卡元數據;官方博客未點名 Qwen)。48 層路由專家全部重建爲潛變量 MoE,後在 Edge0 自己的數據上後訓練——是衍生模型,不是新底座。
29GB 只是 GPU 側峯值內存。模型卡實測常駐:NVFP4 整機約 61.5 GiB(23.25 GiB 顯存 + 38.27 GiB 系統內存),Q3_K 整機約 54.4 GiB,另有約 40GB 專家庫在系統內存、約 48GB 詞表數據在 SSD 上。門檻是 NVIDIA GPU(計算能力 7.5+)、16 GiB+ 顯存、20 GiB+ 系統內存、CUDA 13。詳見本站安裝指南。
發佈時不能。官方博客稱發佈首日支持 macOS,但 GitHub README 的平臺表裏沒有 145B/120B 的 macOS 支持,Edge0 App 只有 Windows 版。M2 Ultra 的 57.0 tok/s 是 Metal 速度測量,不是可用性證明。等官方在 README 里加上 macOS 支持再說。
沒有按 token 計價:無託管 API、無 OpenRouter 上架,成本只有本地硬件與電費(典型功耗約 120W,廠商口徑)。權重下載與框架免費。詳見本站許可證與成本專文。
編碼與 Agent 兩項強得多:DeepSWE 1.1 高 5.9 分、Terminal-Bench 2.1 高 3.22 分;但 HLE、GPQA-Diamond、IFBench 三項低於底座,均分只高 1.1 分(72.8 對 71.7)。全部 6 項均爲廠商自報,尚無獨立驗證。詳見本站基準專文。
Hugging Face:Q3_K 構建 Edge0/Edge0-145B-q3k(40.81 GiB),NVFP4 構建 Edge0/Edge0-145B-NVFP4(47.79 GiB)。默認選 Q3_K:文件更小、系統內存更少、速度更快。
尚未發佈。官方博客稱完整評測配置、硬件環境與復現說明隨技術報告發布;截至 2026 年 11 月 20 日,技術報告未出,AA、LiveBench、LMArena 均未收錄 Edge0-145B。
本頁事實均來自以下公開來源(Hugging Face 模型卡與官方博客直讀於 2026 年 11 月 16 日;GitHub 發佈說明同日覈對)。
更多索引:Edge0 的全部模型專題 · 全部大語言模型 · 全部模型