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。
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。
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 1.1 | Terminal-Bench 2.1 | 权重 | 成本 |
|---|---|---|---|---|---|
| Edge0-145B | 72.8 | 64.6 | 86.52 | 公开权重(自定义许可) | 本地硬件 + 电费,无 API 价 |
| Qwen3.8-Flash-Next(底座) | 71.7 | 58.7 | 83.3 | Qwen 社区许可 | 云端模型 |
| DeepSeek-V4-Flash-0731 | 70.1 | 54.4 | 82.7 | — | 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。
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。
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。
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。
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)。
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。
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。
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」。
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)。
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)。
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。
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。
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)。
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。
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。
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。
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。
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。
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。
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 |
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。
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」。
官方页面: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。
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。
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)
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)
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)
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)
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。
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」。
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。
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 | Edge0-145B | 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 项) | 72.8 | 71.7 | 70.1 | — |
完整盘点见本站基准测试专文 →
| 维度 | Edge0-145B | Qwen3.8-Flash-Next |
|---|---|---|
| 均分(6 项,厂商自报) | 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。
| 维度 | Edge0-145B | DeepSeek-V4-Flash-0731 |
|---|---|---|
| 均分(6 项,厂商自报) | 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(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。
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。
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。
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。
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。
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。
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。
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。
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。
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 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。
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。
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。
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。
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。
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。
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。
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。
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。
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)。
更多索引:Edge0 的全部模型专题 · 全部大语言模型 · 全部模型