返回首页

Edge0-145B / Edge0-120B

x+hf+web 0.93
访问原文

介绍

Edge0-145B 与 Edge0-120B 是 Edge0 在 2026 年 11 月 12 日正式开源的端侧大模型。官方博客 Introducing Edge0-145B: Frontier AI Capabilities on Your Own Computer（标注 November 12, 2026）写到：“Today, we're open-sourcing Edge0-145B and Edge0-120B, together with our unified inference framework and deployment tools. Edge0-145B is the world's first open-source on-device AI model with 145 billion parameters.” 官方把它们定位为可在个人电脑上运行的 100B 级开源模型，面向本地编程、推理和智能体任务，并同时放出推理框架与部署工具。

同日 18:00:13 UTC，@SamuelZengML 发帖 “Introducing Edge0-145B and Edge0-120B”，称其为 @Edge0_AI 首批设备原生、开放权重的 100B 级基础模型。18:01:27 UTC，官方账号 @Edge0_AI 发帖称：“Frontier-level agentic coding, now running fully on-device. Edge0-145B and Edge0-120B are available with open weights.” 18:24:01 UTC，同一账号再次发帖指向上述官方博客。权重在 Hugging Face 上的时间更早：Edge0/Edge0-145B-q3k 的 createdAt 为 2026-11-11T05:23:10Z，lastModified 为 2026-11-12T13:14:54Z；公开的 Introducing 博客与官方账号宣布集中在 11 月 12 日 18:00 UTC（北京时间 11 月 13 日 02:00）前后。当日 04:32、08:32 两轮扫描没有把这一正式发布入库，本轮补录。

按官方博客中的公司测试数字：Edge0-145B 在兼容笔记本电脑上的峰值内存约 29GB，预填充超过 1,100 tokens/s，解码超过 80 tokens/s，典型功耗约 120W，上下文为 128K–256K；145B 总参数中，每一步约 10B 参与计算。官方给出的内部评测包括：DeepSWE 1.1 为 64.6（对照 Qwen3.8-Flash-Next 58.7、DeepSeek-V4-Flash-0731 54.4），Terminal-Bench 2.1 为 86.52（对照 Claude-Opus-4.6 Max 78.2），GPQA-Diamond 90.4，IFBench 80.6，AA-LCR 79.3；Edge0-120B 在同一表中的对应分数为 53.6、81.3、87.4、79.3、81.0。官方还写到，模型从端侧架构起训，采用跨专家共享大矩阵的稀疏设计，并通过 GPU / 系统内存 / SSD 三级加载。GitHub 仓库 Edge0-AI/Edge0 的说明把 145B / 120B 写成源自 Qwen3.8-Flash-Next、以 4 bit 原生训练的 latent MoE，提供 Q3_K 与 NVFP4 权重，通过 edge0-infer serve / chat 在 Linux 或 Windows 的 NVIDIA GPU（CUDA 13）上运行。Hugging Face 页面见 Edge0-145B-q3k、Edge0-145B-NVFP4 及对应的 120B 仓库。官方称这是继 2026 年 9 月 Edge0-35B 手机端发布之后，面向笔记本的新一档。

要点：

解释

为什么值得关注

这是 Edge0 在 2026 年 11 月 12 日用官方博客和官方账号公开宣布的新型号名，定位为可在个人电脑上运行的 100B 级开源端侧模型，并同时放出权重与推理框架。权重仓库的创建时间早于公开博客约一天，但“Introducing”博客与 @Edge0_AI 宣布帖出现在 11 月 12 日 18:00 UTC；此前 04:32、08:32 两轮没有入库，本轮按官方发布补录。不要把它只看成对已有 Edge0-35B 的一次量化或打包。

本页只复述官方公开材料。29GB 内存、80+ tokens/s、DeepSWE / Terminal-Bench 等分数，以及“全球首个 145B 开源端侧模型”的表述，都是公司说法，本页不作独立复现或排名确认。

局限

公开评测表来自官方内部评估，对照模型的分数也由官方列出，缺少完整、可独立复核的评测设定细节（官方称将随技术报告发布复现说明）。GitHub 说明里 145B / 120B 目前针对 Linux / Windows 上的 NVIDIA GPU（CUDA 13）；博客另称 day-one 支持包括 macOS 与 Apple M 系列，具体以官方仓库和硬件指南为准。不要把本词条写成对消费级笔记本实际可运行性、基准成绩或许可证条款的保证。也不要把它和 Edge0-35B 或 Audio8 混写成同一个型号。

用法

  1. 阅读官方博客 https://edge0.ai/blog/introducing-edge0-145b-frontier-ai-capabilities-on-your-own-computer ，并对照官方帖 https://x.com/Edge0_AI/status/2120940049391100394 、介绍帖 https://x.com/SamuelZengML/status/2120939739431972922 、Hugging Face 权重 https://huggingface.co/Edge0/Edge0-145B-q3k 与 GitHub 仓库 https://github.com/Edge0-AI/Edge0 ；
  2. 按官方仓库说明，通过 edge0-infer 或 Edge0 App 在受支持的硬件上加载 Q3_K 或 NVFP4 权重；运行前请阅读官方硬件与部署指南；
  3. 引用 29GB 内存、80+ tokens/s、DeepSWE、Terminal-Bench 或其他对照分数时，请写明来源是 2026-11-12 官方博客中的公司测试，并再对一次上游；
  4. 不要把 Edge0-145B / Edge0-120B 写成 Edge0-35B、Edge0-8B 或 Audio8；本页只复述官方博客和宣布帖，对外引用前请再对一次上游。

广告