一台 GB300 NVL72： → 72 颗 GB300 (Blackwell Ultra) GPU + 36 颗 Grace CPU。 → 单卡显存：GB300 288 GB HBM3e → 整机柜总显存：72 × 288 GB ≈ 20.7 TB → NVLink 总带宽约 130 TB/s → 全机柜通过 NVLink 5 连成统一内存池，可以视为一张拥有 20TB 显存的“超大 GPU”。 DeepSeek-V4-Flash-0731 核心规格： →304B 参数（0731 仓库包含 DSpark speculative decoding 模块） → 基础模型 284B → 13B activated → 1M context → 官方权重为 FP8 + FP4 Mixed 加油 OpenCode !

三星宣布，其 16GB LPDDR6 已在高通 Snapdragon 8 Elite Extreme Gen 6 上完成業界首度驗證，I/O 速度最高達 10.7Gbps。這代表 LPDDR6 首次通過高通下一代行動平台的系統級驗證，雙方從早期開發即密切合作。 背景是裝置端 AI 正走向多模態互動與長時上下文代理人，對記憶體頻寬、功耗與可靠度要求大增。三星 LPDDR6 以更高每接腳 I/O 與擴充 I/O 架構，提供最高約 114GB/s 頻寬，減輕 LLM 推論時反覆讀取權重與 KV Cache 的瓶頸。 功耗方面導入 DVFS 與動態效率模式（DEM），可依負載即時調整電壓、頻率與低負載耗電，較 LPDDR5X 最高省電約 21%。可靠度則加入 PRAC，監控特定列反覆啟動，降低長時間 AI 運作時的資料干擾風險。 三星強調這不只是元件升級，而是記憶體與 SoC、系統架構一起驗證後的平台就緒成果；高通也表示 LPDDR6 能提供更複雜裝置端 AI 所需的頻寬與能效。更多細節預計於 Snapdragon Summit 2026 公布。

M6 最高 32GB 统一内存，带宽 170GB/s。 M5 Pro 最高 64GB，带宽 307GB/s。 苹果也把运行更大本地模型列为 M5 Pro 的使用场景。 目标模型超过 32GB，或者需要更长上下文，M5 Pro 更合适。 小模型和日常 AI 任务，M6性价比更高。 根据你的任务来挑机型，而不是盲目跟风。

一台 25GB 内存的普通电脑，跑起了 744B 的 GLM-5.2。 之前我们聊过 GLM-5.2 的 1M 上下文、聊过它对 AI 定价逻辑的冲击。今天聊一个更极端的问题：这个 744B 的庞然大物，最低能在什么样的机器上跑起来？ GitHub 上一个叫 colibrì（蜂鸟）的项目给出了答案：约 25GB 内存的消费级机器。不用 GPU，不用 Python，整个引擎是一个约 2400 行的 C 文件，零依赖。 它的思路利用了 MoE 架构的本质： 744B 参数里，每个 token 真正激活的只有约 40B，其中逐 token 变化的路由专家只有约 11GB。于是—— 1️⃣ 稠密部分（注意力、共享专家）int4 量化后约 9.9GB，常驻内存 2️⃣ 21,504 个路由专家（约 370GB）放在硬盘上，按需流式读取 代价是什么？作者在 README 里写得异常坦诚：冷启动每个 token 要从磁盘读约 11GB，速度只有 0.05–0.1 token/秒。翻一句话可能要几分钟。 "This is not fast."——但它证明了一件事：跑通一个 744B 前沿模型，不一定需要机房，一台“比一个 H100 风扇还便宜”的机器就够了。 大模型的门槛，正在被各种意想不到的方式拆掉。 🔗：

给朋友发几个 GB 的大文件，网盘经常卡在龟速上传，还得对方专门登录下载。 AlterSend 这个开源工具，主打设备之间直接传文件，不经过任何云端服务器中转。 全程点对点加密传输，不限文件大小，电脑端和手机端都有客户端。 GitHub： 配对过一次的设备，以后传文件不用再扫码验证，直接选中就发。 经常要甩大文件给别人、又嫌网盘慢的朋友，这个可以留着备用。

微软：8GB 内存也很棒哦！微软更新 #Surface# 购买指南，称 8GB 也非常适合日常使用，例如浏览网页、看视频和运行办公软件。 要知道 Win11 推荐内存就是 16GB，只不过当下内存价格太贵，微软也不得不捏着鼻子推出 8GB 硬件，还要违心的说 8GB 内存也很棒！ 查看全文：