Tags
44 个页面
本地大模型
Chatbox 怎么用？开源 AI 桌面客户端接入 OpenAI、Claude 和 Ollama
Qwythos-9B 怎么用？vLLM、SGLang 和 Transformers 部署指南
GTX 1060 跑 Qwen 35B 实战：llama.cpp 从 3 tok/s 优化到 17 tok/s
GLM 5.2 开源：百万上下文、Agent 编程与本地部署门槛
OpenAI Codex 重大更新：现在可以接入 Ollama、LM Studio 等本地大模型
Holo 3.1 本地部署教程：用 llama.cpp 接入 OpenClaw 跑 Computer Use Agent
Hermes Agent 桌面版发布：Windows、macOS、Linux 都能图形化上手
Headroom 使用教程：给 Claude Code、Codex 和 AI Agent 省上下文
Gemma 4 12B 怎么用？Hugging Face 模型卡和本地加载指南
Gemma 4 12B 能在本地跑吗？16GB 电脑试用与上手思路
Ollama 接入 Codex App：本地大模型如何变成 AI 编程 Agent
RTX 3060 也能跑 35B？llama.cpp 的 --n-cpu-moe 让老电脑继续本地大模型
Qwen3.6-35B-A3B 越狱版本地部署：无审查 GGUF、llama.cpp 与安全边界
RTX 3070 8GB 本地运行 Qwen3.6-35B：llama.cpp 部署要点与优化参数
llama.cpp b9196 更新：Windows 预编译版支持 CUDA 13.1、Vulkan、HIP 和 SYCL
Claude Code + Ollama 本地部署教程：用 CC Switch 打造免费 AI 编程助手
本地运行 DeepSeek 4：Antirez ds4 在 Apple Silicon Mac 上的尝试
llama.cpp 多 GPU 性能实测思路：2x V100 16GB 会比单卡 32GB 快吗？
RTX 5090 / 5080 AI 推理性能实测：本地大模型、4K 视频生成和实时 3D 怎么选
DeepSeek V4 本地私有化部署方案：国产芯片与消费级显卡集群怎么选
适合 RTX 3060 显卡运行的本地 LLM 模型推荐
Hermes + Qwen3.6：本地 Agent 的一套低成本部署方案
NVIDIA 发布 Nemotron 3 Nano Omni：面向智能体的开放全模态推理模型
本地部署 Qwen3.6：27B 与 35B-A3B 各量化版本需要多少显存
本地部署 DeepSeek V4：Pro、Flash 与 Base 版本显存占用估算表
本地部署 Gemma 4：E2B、E4B、26B、31B 各量化版本需要多少显存
8G 显存跑 llama.cpp 怎么调：32K 更稳，64K 要开 KV Cache 量化
16G 显卡也能跑 35B 模型：LM Studio 下 MoE 模型的显存压缩思路
Ollama 多显卡使用笔记：显存叠加、GPU 选择和常见误区
Gemma 4 E4B 越狱版和官方普通版有什么区别
llama-quantize 怎么用：GGUF 模型量化入门
llama.cpp 如何从 Hugging Face 获取 GGUF 模型
Gemma-4-31B-it 里的 it 是什么意思
Hugging Face 选择 Llama 的 GGUF 模型时，量化怎么选：从 Q8 到 Q2 的实用建议
Windows 局域网访问 Ollama API 设置指南
Gemma 4 本地调用指南：从一键运行到开发集成
Ollama 云模型是什么，怎么用
从 Hugging Face 下载 GGUF 模型并导入 Ollama
Ollama 下载模型 pull 速度很慢的排查和解决办法
树莓派 5 跑 Gemma 4 实测：可行，但响应较慢
OpenClaw 对接本地 Gemma 4：完整配置指南
如何在笔记本电脑上运行 Gemma 4：5 分钟本地部署指南
Android 上安装并运行 Gemma 4：完整上手指南
谷歌 Gemma 4 模型对比：2B/4B/26B/31B 怎么选？