ModelBrief · Edge0-145B · 專題
最後更新 2026-11-20
EN 简体 繁體
大語言模型 · 開源權重 · 2026 年 11 月 12 日發佈

Edge0-145B 專題

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。

145B / 10.12B總參數 / 每 token 激活參數
256K tokens上下文(KV int8,32K 常駐)
72.86 項基準均分(廠商自報),只比底座高 1.1
29GB ≠ 整機GPU 側峯值;NVFP4 整機約 61.5 GiB
Q3_K / NVFP4兩個公開權重構建:40.81 / 47.79 GiB
120B 兄弟Edge0-120B 同日發佈

01關鍵事實

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。

發佈
2026-11-12(週四,官方博客「Introducing Edge0-145B: Frontier AI Capabilities on Your Own Computer」);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
開發方
Edge0(AutoArk 團隊;官方博客聯繫方式指向 autoark.ai;公司所在地未公開)
定位
端側 Agent / 編碼模型:145B 參數、每 token 只激活 10.12B,主打本地 vibe coding 與 Agent 任務
底座
阿里 Qwen3.8-Flash-Next(Hugging Face 模型卡元數據 base_model;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
架構
潛變量稀疏 MoE:48 層、每層 512 個專家,每 token 路由 10 個 + 1 個共享專家,SwiGLU 寬度 640;混合注意力(每 4 層一次全注意力);專家池 84.6B、n-gram 嵌入表(PLE)51.2B(fp8,SSD 內存映射)、MTP 推測解碼頭 1.26B
訓練
按廠商說法,從一開始就在端側架構裏按 4bit 原生訓練,不是事後量化;技術報告尚未發佈,無從覈實
上下文
256K tokens;KV int8,32K 常駐
權重構建
Hugging Face 公開權重:Q3_K 40.81 GiB、NVFP4 47.79 GiB(Edge0/Edge0-145B-q3k、Edge0/Edge0-145B-NVFP4)
速度(廠商實測,RTX 5090 D 24GB)
NVFP4:Agent 解碼 98.3 tok/s、16K 預填充 3165.7 tok/s;Q3_K:Agent 解碼 121.2 tok/s、16K 預填充 3554.9 tok/s;博客標題口徑爲解碼 80+ tok/s、預填充 1100+ tok/s、典型功耗約 120W
內存真相
「29GB」只是 GPU 側峯值;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
基準分(廠商自報)
6 項均分 72.8,只比底座 Qwen3.8-Flash-Next(71.7)高 1.1;DeepSWE 1.1 爲 64.6(+5.9)、Terminal-Bench 2.1 爲 86.52(+3.22),但 HLE、GPQA-Diamond、IFBench 三項低於底座;截至 11 月 20 日無任何獨立驗證(AA / LiveBench / LMArena 均未收錄)
許可證
權重:Edge0 Community Model License 1.0(2026-11-12),Qwen Community License 1.0 同時適用;框架代碼 Apache 2.0。權重是公開權重,不是開源;商業服務須另籤書面許可
價格
無託管 API、無按 token 計價;OpenRouter 未收錄;成本只有本地硬件與電費
Mac 支持
官方博客稱發佈首日支持 macOS / Apple M 系列;但 GitHub README 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
可用渠道
Hugging Face 權重下載、GitHub edge0-infer 本地服務(兼容 OpenAI / Anthropic Messages API)、Edge0 App(Windows);無雲端 API

02快速對比

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 1.1Terminal-Bench 2.1權重成本
Edge0-145B72.864.686.52公開權重(自定義許可)本地硬件 + 電費,無 API 價
Qwen3.8-Flash-Next(底座)71.758.783.3Qwen 社區許可雲端模型
DeepSeek-V4-Flash-073170.154.482.7—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。

03數據圖表

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。

6 项基准对比:Edge0-145B vs Qwen3.8-Flash-Next vs DeepSeek-V4-Flash,DeepSWE 64.6/58.7/54.4、Terminal-Bench 86.52/83.3/82.7、HLE 35.4/35.9/33.8、GPQA-Diamond 90.4/91.7/90.8、IFBench 80.6/81.3/79.2、AA-LCR 79.3/79.1/79.7
6 項基準分組對比(廠商自報,Edge0 內部評測):Edge0-145B(彩色)領先底座的兩項是 DeepSWE 1.1(+5.9)與 Terminal-Bench 2.1(+3.22),落後三項是 HLE、GPQA-Diamond、IFBench。數據來源:Edge0 官方博客。

04最值得讀的 3 篇

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。

05時間線

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。

  • 2026-09-10

    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)。

  • 2026-11-11

    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。

  • 2026-11-12

    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。

  • 2026-11-13

    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」。

  • 2026-11-14

    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)。

  • 2026-11-15

    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)。

  • 2026-11-16

    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。

  • 2026-11-20

    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。

06官方規格

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)。

狀態
已發佈(2026-11-12),公開權重
總參數 / 激活參數
145B / 10.12B(每 token)
架構
潛變量稀疏 MoE:48 層、每層 512 個專家,每 token 路由 10 個 + 1 個共享專家,SwiGLU 寬度 640;混合注意力(每 4 層一次全注意力 + 稀疏索引器)
專家池
84.6B 參數,潛變量寬度 ℓ=1792;每個專家爲固定 1.63 MB 記錄
n-gram 嵌入表(PLE)
51.2B 參數,fp8,從 SSD 內存映射
MTP 推測解碼頭
1.26B 草稿模型,512 個專家
上下文窗口
256K tokens;KV int8,32K 常駐
輸入 / 輸出
文本 + 圖像輸入(視覺編碼器 mmproj-BF16.gguf,需 strata-vision 幫手);文本輸出
訓練
按廠商說法,原生 4bit 訓練(非事後量化);技術報告未發佈
權重構建
Q3_K 40.81 GiB(Edge0/Edge0-145B-q3k)、NVFP4 47.79 GiB(Edge0/Edge0-145B-NVFP4)
底座
Qwen3.8-Flash-Next(模型卡元數據;48 層路由專家全部重建爲潛變量 MoE,後在 Edge0 數據上後訓練)
速度(廠商實測,RTX 5090 D 24GB)
NVFP4:Agent 解碼 98.3 tok/s、16K 預填充 3165.7 tok/s;Q3_K:Agent 解碼 121.2 tok/s、16K 預填充 3554.9 tok/s;博客標題口徑爲解碼 80+ tok/s、預填充 1100+ tok/s、典型功耗約 120W
內存(模型卡實測常駐)
NVFP4:23.25 GiB 顯存 + 38.27 GiB 系統內存(整機約 61.5 GiB);Q3_K: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
許可證
權重:Edge0 Community Model License 1.0(2026-11-12)+ Qwen Community License 1.0;框架代碼 Apache 2.0
基準分(廠商自報)
6 項均分 72.8:DeepSWE 1.1 爲 64.6、Terminal-Bench 2.1 爲 86.52、HLE 35.4、GPQA-Diamond 90.4、IFBench 80.6、AA-LCR 79.3;無獨立驗證

07怎麼試用:4 條路線

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。

1edge0-infer 本地服務(官方主路線)

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。

2Edge0 App 桌面應用(Windows)

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。

3Hugging Face 權重直下

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。

4視覺輸入與工具調用

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。

權重: Hugging Face Edge0/Edge0-145B-q3k(40.81 GiB)或 Edge0/Edge0-145B-NVFP4(47.79 GiB) 框架: GitHub Edge0-AI/Edge0,edge0-infer v0.2.0(2026-11-11) 門檻: NVIDIA GPU(計算能力 7.5+)、16 GiB+ 顯存、20 GiB+ 系統內存、CUDA 13 服務: edge0-infer 本地服務,兼容 OpenAI / Anthropic Messages API 桌面: Edge0 App(Windows);Mac 發佈時不支持

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。

上手警告:不要只按「29GB」準備機器——那是 GPU 側峯值,整機 NVFP4 約 61.5 GiB、Q3_K 約 54.4 GiB(顯存 + 系統內存),另需約 40–48 GiB 磁盤;MacBook Pro 發佈時跑不了 145B/120B,README 無 macOS 支持、Edge0 App 只有 Windows;權重須另從 Hugging Face 下載,不隨安裝包附帶;商業服務用途須另籤書面許可;全部基準分數均爲廠商自報,尚無獨立驗證。

08價格解析

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

「零 token 成本」不等於「零成本」

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。

反方證據:用量小,雲端反而便宜

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」。

價格要點:無託管 API、無按 token 計價、無 OpenRouter 上架——三點均已覈實;權重下載與框架免費;Edge0 App 核心能力離線可用、無需賬號與用量配額(官方博客口徑)。真正決定成本的是硬件門檻:16GB+ 顯存只是底線,實測整機 NVFP4 約 61.5 GiB。商業服務與商業產品受權重許可限制,須另籤書面許可,詳見本站許可證專文。

官方頁面:Edge0 官方博客 · Hugging Face Q3_K 模型卡 · Hugging Face NVFP4 模型卡

09首批實測與測評

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。

Signal Sentry 計分卡:尚無獨立結果

結論:獨立驗證爲零,是目前最重要的一條

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。

oguzhan.co 深度批評:29GB 標題沒說的事

結論:三處出入一次算清,是本輪最好的單篇批評

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)

groundtruth.day:同一天指出兩處出入

結論:最早的批評文章,許可證細節最全

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)

freshsynapse 與 explainx.ai:解釋文章,覈對了 HF 與 GitHub

結論:事實覈對有用,結論仍是廠商口徑

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)

newtoken.link:中文世界唯一一篇批評

結論:中文讀者先讀這一篇

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)

After Intelligence 通訊第 070 期:頭條 frontier 條目

結論:關注度信號,不是測量

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。

YouTube 深度解析(11 月 15 日):評論廠商數字,不是獨立跑分

結論:可看的解說,不能引爲驗證

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」。

10文章目錄:本站深度解讀

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。

12基準測試:全部廠商自報,尚無獨立驗證

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Edge0-145BQwen3.8-Flash-Next(底座)DeepSeek-V4-Flash-0731Claude-Opus-4.6(Max)
DeepSWE 1.164.658.754.4—
Terminal-Bench 2.186.5283.382.778.2
HLE35.435.933.840.0
GPQA-Diamond90.491.790.891.3
IFBench80.681.379.262.5
AA-LCR79.379.179.778.0
均分(6 項)72.871.770.1—
讀分數前先看口徑:全部 6 項均爲廠商自報(Edge0 內部評測),博客自己說明了這一點;完整評測配置、硬件環境與復現說明要隨技術報告發布,技術報告截至 2026 年 11 月 20 日尚未發佈。博客表格裏 Flint、Muse Glimmer、Gemma 4 等行的分數引自 Recursive Flint 的評測與 Artificial Analysis,不是 Edge0 的實測。Claude-Opus-4.6 的對照列已被評論者指出過時,不要直接引用「超過 Claude-Opus-4.6」。速度數字同樣是廠商實測:NVFP4 解碼 98.3 tok/s、Q3_K 121.2 tok/s(RTX 5090 D 24GB),引用時帶構建名與硬件。

完整盤點見本站基準測試專文 →

6 项基准对比:Edge0-145B vs Qwen3.8-Flash-Next vs DeepSeek-V4-Flash,DeepSWE 64.6/58.7/54.4、Terminal-Bench 86.52/83.3/82.7、HLE 35.4/35.9/33.8、GPQA-Diamond 90.4/91.7/90.8、IFBench 80.6/81.3/79.2、AA-LCR 79.3/79.1/79.7
6 項基準分組對比(廠商自報,Edge0 內部評測):領先集中在 DeepSWE 與 Terminal-Bench,HLE、GPQA-Diamond、IFBench 三項低於底座。數據來源:Edge0 官方博客。

13對比

vs Qwen3.8-Flash-Next(底座)

維度Edge0-145BQwen3.8-Flash-Next
均分(6 項,廠商自報)72.871.7(+1.1)
DeepSWE 1.164.658.7(+5.9)
Terminal-Bench 2.186.5283.3(+3.22)
HLE / GPQA-Diamond / IFBench35.4 / 90.4 / 80.635.9 / 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。

vs DeepSeek-V4-Flash-0731

維度Edge0-145BDeepSeek-V4-Flash-0731
均分(6 項,廠商自報)72.870.1(+2.7)
DeepSWE 1.164.654.4(+10.2)
Terminal-Bench 2.186.5282.7(+3.82)
GPQA-Diamond / AA-LCR90.4 / 79.390.8 / 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。

vs Edge0-120B(同日兄弟檔)

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。

誠實提示:三組對比的分數全部是廠商自報,技術報告未出、獨立驗證爲零。Edge0-145B 真正的護城河不是分數——均分只比底座高 1.1 分——而是部署形態:它是三個對照模型裏唯一能在本地跑的。選它首先是因爲「能在本地跑 145B」,分數領先只是附加項。

讀深度對比:Edge0-145B vs 底座與 DeepSeek →

14還缺什麼(截至 11 月 20 日)

  • 技術報告全文(完整評測配置、硬件環境與復現說明,官方承諾隨技術報告發布)
  • 首批獨立基準成績:Artificial Analysis、LiveBench、LMArena 任一收錄(目前三家均無)
  • macOS 支持落地:README 加上 145B/120B 的 macOS 支持,或發佈 Mac 版 Edge0 App
  • OpenRouter 上架(目前未收錄)
  • Edge0-120B 的完整規格與 6 項基準對照表(官方尚未公佈)
  • Hugging Face 下載量與星標等熱度數據(本輪未取得,不編造)
  • Q3_K 與 NVFP4 兩個構建在基準上的分數差(官方未公佈)
  • 256K 滿載上下文下的速度衰減與精度表現(模型卡未公佈)
  • 一線中文科技媒體(機器之心 / 新智元 / 量子位 / IT之家)的系統報道
  • 一線英文媒體(TechCrunch / The Verge / Reuters / Bloomberg)的報道覈實

15謠言覈查

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。

不成立 「Edge0-145B 是開源模型」

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。

部分成立 「29GB 內存就能跑 145B」

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。

不成立 「MacBook Pro 發佈首日就能跑」

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。

不成立 「比底座全面更強」

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。

不成立 「有 API 可以調用」

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。

未證實 「基準超過 Claude-Opus-4.6」

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。

16FAQ

Edge0-145B 什麼時候發佈的?

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 是哪家公司?

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。

Edge0-145B 是開源模型嗎?

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。

它基於什麼模型?

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。

真的能在筆記本上跑嗎?29GB 是什麼意思?

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。

MacBook Pro 能跑嗎?

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。

Edge0-145B 多少錢?

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。

它比底座 Qwen3.8-Flash-Next 強嗎?

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。

權重在哪下載?

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。

技術報告在哪?

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。

17來源

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)。

官方與模型卡

英文批評與解釋

中文

更多索引:Edge0 的全部模型專題 · 全部大語言模型 · 全部模型