ModelBrief · Edge0-145B · 专题
最后更新 2026-11-20
EN 简体 繁體
大语言模型 · 开源权重 · 2026 年 11 月 12 日发布

Edge0-145B 专题

AutoArk 团队(Edge0)2026 年 11 月 12 日发布的端侧 Agent / 编码模型:145B 总参数、每 token 只激活 10.12B,底座是阿里 Qwen3.8-Flash-Next,权重在 Hugging Face 公开。官方标题说「29GB 峰值内存、一台消费级电脑就能跑」——但模型卡自己的实测是另一回事:NVFP4 整机约 61.5 GiB,Mac 支持发布时并不存在。基准上它对底座编码两项大胜、知识三项小负,均分只高 1.1 分,且全部 6 项都是厂商自报、尚无独立验证。本页汇总官方规格、安装门槛、许可证与中英文首批解读,并明确标注哪些说法尚未证实。

145B / 10.12B总参数 / 每 token 激活参数
256K tokens上下文(KV int8,32K 常驻)
72.86 项基准均分(厂商自报),只比底座高 1.1
29GB ≠ 整机GPU 侧峰值;NVFP4 整机约 61.5 GiB
Q3_K / NVFP4两个公开权重构建:40.81 / 47.79 GiB
120B 兄弟Edge0-120B 同日发布

01关键事实

先把能确认的说清楚:这是本站第一个「145B 装进一台消费级电脑」的专题——「公开权重、本地可跑」是真卖点,「29GB、开源、MacBook Pro」三处说法都要打折读。

发布
2026-11-12(周四,官方博客「Introducing Edge0-145B: Frontier AI Capabilities on Your Own Computer」);同日发布 120B 兄弟模型 Edge0-120B;推理框架 edge0-infer v0.2.0 发布说明在 11 月 11 日先行
开发方
Edge0(AutoArk 团队;官方博客联系方式指向 autoark.ai;公司所在地未公开)
定位
端侧 Agent / 编码模型:145B 参数、每 token 只激活 10.12B,主打本地 vibe coding 与 Agent 任务
底座
阿里 Qwen3.8-Flash-Next(Hugging Face 模型卡元数据 base_model;官方博客未点名 Qwen);48 层路由专家全部重建为潜变量 MoE,后在 Edge0 自己的数据上后训练
架构
潜变量稀疏 MoE:48 层、每层 512 个专家,每 token 路由 10 个 + 1 个共享专家,SwiGLU 宽度 640;混合注意力(每 4 层一次全注意力);专家池 84.6B、n-gram 嵌入表(PLE)51.2B(fp8,SSD 内存映射)、MTP 推测解码头 1.26B
训练
按厂商说法,从一开始就在端侧架构里按 4bit 原生训练,不是事后量化;技术报告尚未发布,无从核实
上下文
256K tokens;KV int8,32K 常驻
权重构建
Hugging Face 公开权重:Q3_K 40.81 GiB、NVFP4 47.79 GiB(Edge0/Edge0-145B-q3k、Edge0/Edge0-145B-NVFP4)
速度(厂商实测,RTX 5090 D 24GB)
NVFP4:Agent 解码 98.3 tok/s、16K 预填充 3165.7 tok/s;Q3_K:Agent 解码 121.2 tok/s、16K 预填充 3554.9 tok/s;博客标题口径为解码 80+ tok/s、预填充 1100+ tok/s、典型功耗约 120W
内存真相
「29GB」只是 GPU 侧峰值;模型卡实测常驻:NVFP4 需 23.25 GiB 显存 + 38.27 GiB 系统内存(整机约 61.5 GiB),Q3_K 需 23.14 GiB 显存 + 31.28 GiB 系统内存(整机约 54.4 GiB),另有约 40GB 专家库在系统内存、约 48GB 词表数据在 SSD 上
基准分(厂商自报)
6 项均分 72.8,只比底座 Qwen3.8-Flash-Next(71.7)高 1.1;DeepSWE 1.1 为 64.6(+5.9)、Terminal-Bench 2.1 为 86.52(+3.22),但 HLE、GPQA-Diamond、IFBench 三项低于底座;截至 11 月 20 日无任何独立验证(AA / LiveBench / LMArena 均未收录)
许可证
权重:Edge0 Community Model License 1.0(2026-11-12),Qwen Community License 1.0 同时适用;框架代码 Apache 2.0。权重是公开权重,不是开源;商业服务须另签书面许可
价格
无托管 API、无按 token 计价;OpenRouter 未收录;成本只有本地硬件与电费
Mac 支持
官方博客称发布首日支持 macOS / Apple M 系列;但 GitHub README 平台表里没有 145B/120B 的 macOS 支持,Edge0 App 只有 Windows 版;M2 Ultra 的 57.0 tok/s 是 Metal 速度测量,不是可用性证明
可用渠道
Hugging Face 权重下载、GitHub edge0-infer 本地服务(兼容 OpenAI / Anthropic Messages API)、Edge0 App(Windows);无云端 API

02快速对比

一张表看清它在「底座衍生」里的位置:编码两项领先、均分只高 1.1 分;最大的区别不在分数,而在部署形态——只有它能在本地跑。

模型均分(6 项,厂商自报)DeepSWE 1.1Terminal-Bench 2.1权重成本
Edge0-145B72.864.686.52公开权重(自定义许可)本地硬件 + 电费,无 API 价
Qwen3.8-Flash-Next(底座)71.758.783.3Qwen 社区许可云端模型
DeepSeek-V4-Flash-073170.154.482.7—云端模型

全部基准分数均为厂商自报(Edge0 内部评测),截至 2026 年 11 月 20 日无独立验证。Edge0-145B 对底座的均分领先只有 +1.1,且 HLE、GPQA-Diamond、IFBench 三项低于底座;对 DeepSeek-V4-Flash 的均分领先为 +2.7。DeepSeek-V4-Flash-0731 是 7 月 31 日构建。

03数据图表

6 项基准分组对比:Edge0-145B 的领先集中在 DeepSWE 与 Terminal-Bench 两项编码任务上,HLE、GPQA-Diamond、IFBench 三项落后于底座。

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 项基准分组对比(厂商自报,Edge0 内部评测):Edge0-145B(彩色)领先底座的两项是 DeepSWE 1.1(+5.9)与 Terminal-Bench 2.1(+3.22),落后三项是 HLE、GPQA-Diamond、IFBench。数据来源:Edge0 官方博客。

04最值得读的 3 篇

时间紧的话先读这三篇:基准盘点、许可证解析与安装指南——三处最容易被标题误导的地方。

05时间线

发布仅 8 天,批评文章比独立验证来得快:11 月 13–15 日三篇关键批评文章相继指出 29GB、Mac 与许可证的三处出入,独立跑分至今为零。

  • 2026-09-10

    Edge0-35B 发布(手机量级模型,按官方博客口径为 145B 产品线的起点)。

  • 2026-11-11

    edge0-infer v0.2.0 发布说明上线(GitHub):Windows x64/arm64 安装包、本地服务兼容 Anthropic Messages API;说明 145B 权重不随安装包附带、需另从 Hugging Face 下载。

  • 2026-11-12

    Edge0-145B 与 Edge0-120B 发布:官方博客「Introducing Edge0-145B: Frontier AI Capabilities on Your Own Computer」上线,权重上 Hugging Face(Q3_K 与 NVFP4 两个构建),框架与部署工具上 GitHub,Edge0 App 发布;博客称其为「全球首个 145B 参数的开源端侧 AI 模型」、29GB 峰值内存、可跑在 MacBook Pro 上。

  • 2026-11-13

    groundtruth.day 发布批评文章:指出 29GB 与 Mac 支持的两处出入并拆解许可证;Signal Sentry 给出计分卡,写明「No independent results yet」。

  • 2026-11-14

    freshsynapse、explainx.ai 跟进解释;newtoken.link 发布中文批评文章「Edge0 的 1450 亿参数模型首发版跑不了 Mac」;After Intelligence 通讯第 070 期把 Edge0-145B 作为头条 frontier 条目(与 Nex-N2.6 并列)。

  • 2026-11-15

    oguzhan.co 发布深度批评「29GB 标题没说的事」:算出 NVFP4 整机约 61.5 GiB、指出 Mac 缺口与许可证细节;YouTube 出现深度解析视频(对厂商数字的评论,非独立跑分);Hacker News 出现讨论(「公开权重而非开源」的争论)。

  • 2026-11-16

    本站完成调研:确认 6 项基准、许可证文本与安装门槛,结论为材料够 hub + 6 篇文章,决定建专题。

  • 2026-11-20

    本站专题页上线(本页)。截至当日:技术报告仍未发布,AA、LiveBench、LMArena 均未收录 Edge0-145B,OpenRouter 未上架。

06官方规格

以下为官方已公布口径(Hugging Face 模型卡,本站 2026 年 11 月 16 日直读;官方博客同日核对)。

状态
已发布(2026-11-12),公开权重
总参数 / 激活参数
145B / 10.12B(每 token)
架构
潜变量稀疏 MoE:48 层、每层 512 个专家,每 token 路由 10 个 + 1 个共享专家,SwiGLU 宽度 640;混合注意力(每 4 层一次全注意力 + 稀疏索引器)
专家池
84.6B 参数,潜变量宽度 ℓ=1792;每个专家为固定 1.63 MB 记录
n-gram 嵌入表(PLE)
51.2B 参数,fp8,从 SSD 内存映射
MTP 推测解码头
1.26B 草稿模型,512 个专家
上下文窗口
256K tokens;KV int8,32K 常驻
输入 / 输出
文本 + 图像输入(视觉编码器 mmproj-BF16.gguf,需 strata-vision 帮手);文本输出
训练
按厂商说法,原生 4bit 训练(非事后量化);技术报告未发布
权重构建
Q3_K 40.81 GiB(Edge0/Edge0-145B-q3k)、NVFP4 47.79 GiB(Edge0/Edge0-145B-NVFP4)
底座
Qwen3.8-Flash-Next(模型卡元数据;48 层路由专家全部重建为潜变量 MoE,后在 Edge0 数据上后训练)
速度(厂商实测,RTX 5090 D 24GB)
NVFP4:Agent 解码 98.3 tok/s、16K 预填充 3165.7 tok/s;Q3_K:Agent 解码 121.2 tok/s、16K 预填充 3554.9 tok/s;博客标题口径为解码 80+ tok/s、预填充 1100+ tok/s、典型功耗约 120W
内存(模型卡实测常驻)
NVFP4:23.25 GiB 显存 + 38.27 GiB 系统内存(整机约 61.5 GiB);Q3_K:23.14 GiB 显存 + 31.28 GiB 系统内存(整机约 54.4 GiB);另有约 40GB 专家库在系统内存、约 48GB 词表数据在 SSD 上
许可证
权重:Edge0 Community Model License 1.0(2026-11-12)+ Qwen Community License 1.0;框架代码 Apache 2.0
基准分(厂商自报)
6 项均分 72.8:DeepSWE 1.1 为 64.6、Terminal-Bench 2.1 为 86.52、HLE 35.4、GPQA-Diamond 90.4、IFBench 80.6、AA-LCR 79.3;无独立验证

07怎么试用:4 条路线

没有云端 API,试用只有本地路线:命令行、桌面应用、权重直下三条是通的,Mac 那条发布时不通。

1edge0-infer 本地服务(官方主路线)

从 GitHub Edge0-AI/Edge0 获取 edge0-infer v0.2.0(2026 年 11 月 11 日发布说明),本地服务兼容 OpenAI 与 Anthropic 的 Messages API,工具调用走这条本地服务。权重不随安装包附带,需另从 Hugging Face 下载。门槛:NVIDIA GPU(计算能力 7.5+)、16 GiB+ 显存、20 GiB+ 系统内存、CUDA Toolkit 13、Linux 或 Windows。详见本站安装指南。

2Edge0 App 桌面应用(Windows)

官方博客口径:核心能力离线可用、无需账号与用量配额。但 v0.2.0 的 Edge0 Chat 桌面安装包只有 Windows 版——「下载应用、点开即用」目前只对 Windows 用户成立。

3Hugging Face 权重直下

Q3_K(Edge0/Edge0-145B-q3k,40.81 GiB)或 NVFP4(Edge0/Edge0-145B-NVFP4,47.79 GiB)。默认选 Q3_K:文件更小、系统内存更少、速度更快(解码 121.2 对 98.3 tok/s)。下载免费,许可证见第 08 节。

4视觉输入与工具调用

输入支持文本 + 图像:模型文件夹里有视觉编码器 mmproj-BF16.gguf,但需要 strata-vision 帮手(不在 Edge0 代码树内建),装机时另行确认其状态;输出为文本。工具调用走本地 OpenAI / Anthropic 兼容服务器。

权重: 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) 门槛: NVIDIA GPU(计算能力 7.5+)、16 GiB+ 显存、20 GiB+ 系统内存、CUDA 13 服务: edge0-infer 本地服务,兼容 OpenAI / Anthropic Messages API 桌面: Edge0 App(Windows);Mac 发布时不支持

另:120B 兄弟模型 Edge0-120B 同日发布,同样提供 Q3_K 与 NVFP4 构建;其完整规格与基准对照表官方尚未公布,见第 13 节。

上手警告:不要只按「29GB」准备机器——那是 GPU 侧峰值,整机 NVFP4 约 61.5 GiB、Q3_K 约 54.4 GiB(显存 + 系统内存),另需约 40–48 GiB 磁盘;MacBook Pro 发布时跑不了 145B/120B,README 无 macOS 支持、Edge0 App 只有 Windows;权重须另从 Hugging Face 下载,不随安装包附带;商业服务用途须另签书面许可;全部基准分数均为厂商自报,尚无独立验证。

08价格解析

没有按 token 计价,也就没有「多少钱一百万 token」这张表——Edge0-145B 的账本只有两行:硬件与电费。价格为 2026 年 11 月 16 日核查口径(模型卡与官方博客直读)。

成本项Edge0-145B云端 API 模型(对照)
API 调用费(每百万 tokens)无(无托管 API、无 OpenRouter 上架)按量计费
权重下载免费(Hugging Face 公开权重)—
框架与工具免费(Apache 2.0)—
硬件(一次性)16GB+ 显存 GPU、20 GiB+ 系统内存、CUDA 13;实测整机约 61.5 GiB(NVFP4)无
电费(边际)典型功耗约 120W(厂商口径)无

「零 token 成本」不等于「零成本」

官方宣传的「零 token 成本」是真的,但它只说了一半:边际成本是零,固定成本不是零。跑 Edge0-145B 之前要先有一台符合门槛的机器——16GB+ 显存的 GPU、20 GiB+ 系统内存、CUDA 13,以及约 40–48 GiB 的磁盘空间;实测整机内存需求比标题的 29GB 高出一倍(NVFP4 约 61.5 GiB)。对已经有这台机器的人,边际成本确实只有电费(典型功耗约 120W);对没有的人,第一笔账是硬件,不是 token。

反方证据:用量小,云端反而便宜

跟云端 API 模型比账要这样比:云端按量付费、零固定成本;Edge0-145B 固定成本一次付清、之后只付电费——用量越大,本地路线越划算;用量小,云端反而便宜。不要把「没有 token 账单」读成「不要钱」。

价格要点:无托管 API、无按 token 计价、无 OpenRouter 上架——三点均已核实;权重下载与框架免费;Edge0 App 核心能力离线可用、无需账号与用量配额(官方博客口径)。真正决定成本的是硬件门槛:16GB+ 显存只是底线,实测整机 NVFP4 约 61.5 GiB。商业服务与商业产品受权重许可限制,须另签书面许可,详见本站许可证专文。

官方页面:Edge0 官方博客 · Hugging Face Q3_K 模型卡 · Hugging Face NVFP4 模型卡

09首批实测与测评

以下全部是 11 月 13–16 日的首批解读与批评:没有一家真正跑过模型——所有文章都是对厂商数字的再分析。每条都给出结论徽章;点「阅读本站全文」进入本站的深度改写文章页,文末附原始出处。

Signal Sentry 计分卡:尚无独立结果

结论:独立验证为零,是目前最重要的一条

来源:Signal Sentry,2026-11-13–15

原文写明:「No independent results yet. They appear here as Epoch AI and LMArena add this model.」同时确认 OpenRouter 未收录该模型。这是发布后第一周唯一一份「验证状态」清单:基准、内存、速度三项数字目前全部来自 Edge0 自己的测试。

oguzhan.co 深度批评:29GB 标题没说的事

结论:三处出入一次算清,是本轮最好的单篇批评

来源:oguzhan.co,2026-11-15

算出 NVFP4 整机约 61.5 GiB(23.25 GiB 显存 + 38.27 GiB 系统内存),指出 Mac 支持缺口,拆解许可证,并全文转载 6 项基准表、标注厂商口径。本站的内存真相与许可证口径与该文一致;该文同样没有独立跑分。

阅读本站全文 → (本站原创整理)

groundtruth.day:同一天指出两处出入

结论:最早的批评文章,许可证细节最全

来源:groundtruth.day,2026-11-13

发布次日即指出 29GB 与 Mac 支持的两处出入,并给出许可证细节;同时指出博客表格里 Claude-Opus-4.6 的对照列已经过时。时间最早、核查最细的批评文章之一。

阅读本站全文 → (本站原创整理)

freshsynapse 与 explainx.ai:解释文章,核对了 HF 与 GitHub

结论:事实核对有用,结论仍是厂商口径

来源:freshsynapse(11 月 14 日)、explainx.ai

两篇解释文章都实际核对了 Hugging Face 模型卡与 GitHub 仓库,确认了 Q3_K / NVFP4 两个构建、CUDA 13 门槛与 16GB 显存下限;explainx.ai 明确写了「公开权重而非开源」的定性。价值在事实核对,不在新测量。

阅读本站全文 → (本站原创整理)

newtoken.link:中文世界唯一一篇批评

结论:中文读者先读这一篇

来源:newtoken.link,2026-11-14

标题「Edge0 的 1450 亿参数模型首发版跑不了 Mac」:点出 Mac 争议、均分只比底座高 1.1、许可证折扣三点。中文覆盖里唯一一篇有实质批评的文章;机器之心、新智元、量子位、IT之家等一线中文科技媒体均未报道。

阅读本站全文 → (本站原创整理)

After Intelligence 通讯第 070 期:头条 frontier 条目

结论:关注度信号,不是测量

来源:After Intelligence newsletter edition 070,2026-11-14–15

把 Edge0-145B 作为头条 frontier 条目,与 Nex-N2.6 并列。说明发布后三天内它已进入英文通讯的视野;通讯本身不做独立测量,不要把它当作验证引用。

YouTube 深度解析(11 月 15 日):评论厂商数字,不是独立跑分

结论:可看的解说,不能引为验证

来源:YouTube,2026-11-15(约 7 分钟,Edge0 + Gemini 4 传闻)

对厂商数字的视频评论,没有实机运行与独立测量。引用时只能写「视频评论」,不能写「独立实测」。

10文章目录:本站深度解读

以下 6 篇均为本站原创改写与再整理的深度文章——重新组织结构、补充结论与选型建议,事实与数据与官方来源核对一致。点击任意一篇在本站内阅读,文末附原始出处。

12基准测试:全部厂商自报,尚无独立验证

Edge0-145B 目前没有一家独立榜单的成绩:AA、LiveBench、LMArena 均未收录。以下 6 项分数全部来自官方博客的内部评测,技术报告尚未发布,复现说明未出。读分数前先看条件与口径。

基准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 项)72.871.770.1—
读分数前先看口径:全部 6 项均为厂商自报(Edge0 内部评测),博客自己说明了这一点;完整评测配置、硬件环境与复现说明要随技术报告发布,技术报告截至 2026 年 11 月 20 日尚未发布。博客表格里 Flint、Muse Glimmer、Gemma 4 等行的分数引自 Recursive Flint 的评测与 Artificial Analysis,不是 Edge0 的实测。Claude-Opus-4.6 的对照列已被评论者指出过时,不要直接引用「超过 Claude-Opus-4.6」。速度数字同样是厂商实测:NVFP4 解码 98.3 tok/s、Q3_K 121.2 tok/s(RTX 5090 D 24GB),引用时带构建名与硬件。

完整盘点见本站基准测试专文 →

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 项基准分组对比(厂商自报,Edge0 内部评测):领先集中在 DeepSWE 与 Terminal-Bench,HLE、GPQA-Diamond、IFBench 三项低于底座。数据来源:Edge0 官方博客。

13对比

vs Qwen3.8-Flash-Next(底座)

维度Edge0-145BQwen3.8-Flash-Next
均分(6 项,厂商自报)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(三项全高)
部署形态端侧:一张消费级 GPU + 大内存云端模型
权重公开权重(Edge0 社区许可)Qwen 社区许可
上下文256K—

重建换来的是方向不是全面:编码与 Agent 两项合计 +9.1 分,知识与指令跟随三项合计 −2.5 分,均分净赚 1.1 分。详见本站对比专文。

vs DeepSeek-V4-Flash-0731

维度Edge0-145BDeepSeek-V4-Flash-0731
均分(6 项,厂商自报)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(两项全高)
部署形态端侧本地可跑云端模型

对 DeepSeek 的结论与对底座相同:领先集中在编码两项,GPQA-Diamond 与 AA-LCR 两项仍落后。DeepSeek-V4-Flash-0731 是 7 月 31 日构建。详见本站对比专文。

vs Edge0-120B(同日兄弟档)

Edge0-120B 与 145B 同日发布,是同一产品线的更小一档,同样提供 Q3_K 与 NVFP4 构建。但截至 2026 年 11 月 20 日,官方博客与模型卡没有公布 120B 的完整规格与 6 项基准对照表——本站不做「145B 比 120B 强多少」的量化结论。个别第三方文章引用过 120B 的 Terminal-Bench 分数,但不同来源的数字互相矛盾(75.3 与 81.3 两个口径),在官方确认之前一律不采用。

诚实提示:三组对比的分数全部是厂商自报,技术报告未出、独立验证为零。Edge0-145B 真正的护城河不是分数——均分只比底座高 1.1 分——而是部署形态:它是三个对照模型里唯一能在本地跑的。选它首先是因为「能在本地跑 145B」,分数领先只是附加项。

读深度对比:Edge0-145B vs 底座与 DeepSeek →

14还缺什么(截至 11 月 20 日)

  • 技术报告全文(完整评测配置、硬件环境与复现说明,官方承诺随技术报告发布)
  • 首批独立基准成绩:Artificial Analysis、LiveBench、LMArena 任一收录(目前三家均无)
  • macOS 支持落地:README 加上 145B/120B 的 macOS 支持,或发布 Mac 版 Edge0 App
  • OpenRouter 上架(目前未收录)
  • Edge0-120B 的完整规格与 6 项基准对照表(官方尚未公布)
  • Hugging Face 下载量与星标等热度数据(本轮未取得,不编造)
  • Q3_K 与 NVFP4 两个构建在基准上的分数差(官方未公布)
  • 256K 满载上下文下的速度衰减与精度表现(模型卡未公布)
  • 一线中文科技媒体(机器之心 / 新智元 / 量子位 / IT之家)的系统报道
  • 一线英文媒体(TechCrunch / The Verge / Reuters / Bloomberg)的报道核实

15谣言核查

Edge0-145B 的混淆主要来自六个地方:许可证、29GB、Mac、全面领先、API 与 Claude 对照——逐条澄清如下。

不成立 「Edge0-145B 是开源模型」

权重适用 Edge0 Community Model License 1.0(2026-11-12)——一份自定义社区许可证,商业服务须另签书面许可;Qwen Community License 1.0 同时适用。只有框架代码是 Apache 2.0。准确说法是「公开权重」,不是「开源」。官方博客的「open-sourcing」措辞与许可证文本不符。

部分成立 「29GB 内存就能跑 145B」

29GB 是 GPU 侧峰值内存,不是整机需求。模型卡实测常驻:NVFP4 需 23.25 GiB 显存 + 38.27 GiB 系统内存(整机约 61.5 GiB),Q3_K 需 23.14 GiB 显存 + 31.28 GiB 系统内存(整机约 54.4 GiB),另有约 40GB 专家库在系统内存、约 48GB 词表数据在 SSD 上。「一张消费级 GPU」是真的,但它后面还跟着一大份系统内存与 SSD。

不成立 「MacBook Pro 发布首日就能跑」

官方博客称发布首日支持 macOS / Apple M 系列,并以 MacBook Pro 为例宣传;但 GitHub README 的平台表里没有 145B/120B 的 macOS 支持,构建说明针对 NVIDIA GPU + CUDA 13 的 Linux 或 Windows,Edge0 App 只有 Windows 版。M2 Ultra 的 57.0 tok/s 是 Metal 速度测量,不是可用性证明。

不成立 「比底座全面更强」

均分只比底座高 1.1 分(72.8 对 71.7),且 HLE、GPQA-Diamond、IFBench 三项低于底座。领先集中在 DeepSWE(+5.9)与 Terminal-Bench(+3.22)两项编码任务上——是方向性领先,不是全面领先。

不成立 「有 API 可以调用」

Edge0-145B 没有托管 API,没有按 token 的价格,OpenRouter 未收录。调用只能走本地 edge0-infer 服务(兼容 OpenAI / Anthropic Messages API),成本只有硬件与电费。

未证实 「基准超过 Claude-Opus-4.6」

博客表格把 Edge0-145B 的 Terminal-Bench 2.1(86.52)与 Claude-Opus-4.6(78.2)并列,但评论者已指出这个对照过时了——Opus 4.6 的分数不是同期同口径的实测。引用前必须先说明这一列的时效问题。

16FAQ

Edge0-145B 什么时候发布的?

2026 年 11 月 12 日(周四)正式发布,同日发布 120B 兄弟模型 Edge0-120B;推理框架 edge0-infer v0.2.0 发布说明在 11 月 11 日先行。时间线见本页第 05 节。

Edge0 是哪家公司?

Edge0 是 AutoArk 团队的端侧 AI 品牌,官方博客联系方式指向 autoark.ai;公司所在地未公开,本站未核实到可信来源,故不在本页标注国家。

Edge0-145B 是开源模型吗?

不是开源,是公开权重。权重适用 Edge0 Community Model License 1.0(2026-11-12),Qwen Community License 1.0 同时适用;只有框架代码是 Apache 2.0。个人、研究、修改、非商业分享、内部商业使用与商业使用生成内容免费;出售权重、为第三方运营商业模型服务、提供独立商业编码或办公产品,须另签书面许可。详见本站许可证专文。

它基于什么模型?

阿里 Qwen3.8-Flash-Next(Hugging Face 模型卡元数据;官方博客未点名 Qwen)。48 层路由专家全部重建为潜变量 MoE,后在 Edge0 自己的数据上后训练——是衍生模型,不是新底座。

真的能在笔记本上跑吗?29GB 是什么意思?

29GB 只是 GPU 侧峰值内存。模型卡实测常驻:NVFP4 整机约 61.5 GiB(23.25 GiB 显存 + 38.27 GiB 系统内存),Q3_K 整机约 54.4 GiB,另有约 40GB 专家库在系统内存、约 48GB 词表数据在 SSD 上。门槛是 NVIDIA GPU(计算能力 7.5+)、16 GiB+ 显存、20 GiB+ 系统内存、CUDA 13。详见本站安装指南。

MacBook Pro 能跑吗?

发布时不能。官方博客称发布首日支持 macOS,但 GitHub README 的平台表里没有 145B/120B 的 macOS 支持,Edge0 App 只有 Windows 版。M2 Ultra 的 57.0 tok/s 是 Metal 速度测量,不是可用性证明。等官方在 README 里加上 macOS 支持再说。

Edge0-145B 多少钱?

没有按 token 计价:无托管 API、无 OpenRouter 上架,成本只有本地硬件与电费(典型功耗约 120W,厂商口径)。权重下载与框架免费。详见本站许可证与成本专文。

它比底座 Qwen3.8-Flash-Next 强吗?

编码与 Agent 两项强得多:DeepSWE 1.1 高 5.9 分、Terminal-Bench 2.1 高 3.22 分;但 HLE、GPQA-Diamond、IFBench 三项低于底座,均分只高 1.1 分(72.8 对 71.7)。全部 6 项均为厂商自报,尚无独立验证。详见本站基准专文。

权重在哪下载?

Hugging Face:Q3_K 构建 Edge0/Edge0-145B-q3k(40.81 GiB),NVFP4 构建 Edge0/Edge0-145B-NVFP4(47.79 GiB)。默认选 Q3_K:文件更小、系统内存更少、速度更快。

技术报告在哪?

尚未发布。官方博客称完整评测配置、硬件环境与复现说明随技术报告发布;截至 2026 年 11 月 20 日,技术报告未出,AA、LiveBench、LMArena 均未收录 Edge0-145B。

17来源

本页事实均来自以下公开来源(Hugging Face 模型卡与官方博客直读于 2026 年 11 月 16 日;GitHub 发布说明同日核对)。

官方与模型卡

英文批评与解释

中文

更多索引:Edge0 的全部模型专题 · 全部大语言模型 · 全部模型