💪 想练但不知从哪下手？这 5 个 App 帮你少走弯路： 1、动作教学：Keep，跟练视频把标准动作讲清楚。 2、饮食记录：薄荷健康，算清每天热量和蛋白够不够。 3、训练记录：Hevy，记下每组重量和次数，看得见进步。 4、跑步骑行：Strava，记录轨迹和配速，还能和朋友比。 5、AI 私教：用 ChatGPT 按你的身材和目标定制训练和饮食计划。 练不出来往往不是不努力，是没记录、没计划，全凭感觉。

Strata：12G显存就能跑千亿参数的模型 在12GB显存的普通电脑上，本地运行125B参数的Qwen3.8-Flash-Next模型。Strata把最常用的专家模型常驻在显卡，全量模型放在内存，由显卡、内存和固态硬盘协同完成推理与投机采样。 这个项目堪称超神，12G显存+64G内存可以跑Qwen3.8-Flash-Next全版本的模型，即使32G内存也能跑Coder版本的模型。Qwen3.8-Flash-Next能力不差，重复性日常任务都能完成。 Github：

一个震惊开发者圈子的离奇操作： AI 初创公司 Strata 刚刚被扒出悄悄重写了他们的整个 GitHub 提交历史，目的只有一个： 彻底抹除项目是由 Claude 自动生成代码的证据。 为什么他们宁愿冒着被开源社区唾弃的风险，也要抹除 AI 的痕迹？三个残酷的行业现实： 1. “AI 编写耻感”与融资估值焦虑：投资人愿意给“天才架构师带领的极客团队”千倍溢价，但如果核心业务逻辑是几个 prompt 敲出来的，估值底裤瞬间被拆穿； 2. 信任资产的脆弱性：宣传时吹嘘自研黑科技算法，背地里全靠商业大模型代劳，一旦穿帮，技术护城河神话直接归零； 3. 开源契约的崩塌：篡改 Git 历史是对协作记录的践踏。代码是 AI 写的不可耻，可耻的是一边享受 AI 的杠杆红利，一边假装自己是代码手艺人。 AI 编程已经不可逆，但虚荣心正在制造巨大的信任黑洞。 坦然承认 AI 参与甚至以 AI Agent 为核心交付的公司，才配拥有未来的声誉。

推荐一个最近很有意思的开源项目 Strata，专门让 Qwen3.8-Flash-Next 在消费级 NVIDIA / AMD 显卡上本地运行。 它利用 MoE 的特点，把高频专家留在 GPU，其余放到内存和 CPU 协同计算，再配合推测解码。官方在 RTX 5070 12GB + 64GB RAM 上实测，部分量化版本能跑到 50–90+ token/s。 更实用的是，它直接提供 OpenAI / Anthropic 兼容接口，Claude Code、Codex 这类 Agent 工具也能直接接，本地还支持图片输入。 现在本地大模型的瓶颈，已经不只是显存够不够，而是看能不能把 GPU、内存、CPU 甚至 SSD 一起调度好。 期待本地 AI 这条路发展的越来越好。

两张老 V100，也能在本地跑 3210 亿参数的 GLM-5.3-Flash！！ 这个开源项目叫 Project Maya。 前几天我写过，12GB 显存 + 64GB 内存，用 Strata 就能跑千问的千亿模型。 这次 Maya 也是基于 Strata 做的，把引擎改成了适配 GLM。 作者实测： 2 张 V100 32GB + 约 32GB 内存 + NVMe SSD， 生成速度最高 40 token/s。 原理还是把常用的模型专家放显存，其他的分散到内存和 SSD，按需调进来。 默认用约 90GB 的 Maya-S 量化模型。 自带网页聊天、图片理解，还兼容 OpenAI / Anthropic API，可以接编程 Agent， 全程本地运行。 目前支持 Linux，Windows / WSL2 还不支持。 有这套硬件、想在本地跑 GLM 的可以看看：

2023年的今天，悉尼的公寓卖了。 68.5万买的 73万卖了 算是卖得比较好的 悉尼的普通公寓大多都不咋涨价 这个公寓的strata费全是很低的 2020年入住的时候一个季度才520 卖的时候也才800 前邻居是我们隔壁的一栋 Strata费当时1200一季度