Llama.cpp的新MTP支持使本地模型速度翻倍！在A10G上，Qwen3.6-27B生成速度从每秒25个token提升至45个，增幅78%。确保系统支持MTP，更新Llama.cpp至最新版本，运行模型，享受加速带来的便捷。这一进步显著提升工作效率，值得尝试！

想把 LLM 也放到本地，可以先启动 llama.cpp： llama-server -hf ggml-org/gemma-4-E4B-it-GGUF -np 2 -c 65536 -fa on --swa-full 然后把 speech-to-speech 的 LLM 地址指向： 这样才算比较完整的本地语音 Agent

今天来聊聊Gate交易所整体的资产情况，我们主要来用Defi Llama的Cex版块做分析。 链接： 链上数据揭示交易所真实实力：不只规模，更要质量 在加密市场，交易所的竞争早已不只看交易量。DeFiLlama的链上数据，正在成为衡量交易所综合实力的重要标尺。 资金流动是市场情绪的晴雨表。 单日净流入能捕捉短期热度，但连续一周甚至一个月的正流入，才更接近真实的资金沉淀。当Gate在24小时、7日、30日三个周期同时录得正流入时，传递的信号就很明确了：资金不仅愿意进来，更愿意留下来。单日流入可能是行情所致，而多周期同时为正，说明这并非短期脉冲，而是持续的趋势。 资产规模决定承载能力，清洁资产比例决定质量。 Gate可追踪链上资产规模位列全球前列，但更值得关注的是其清洁资产占比——剔除平台关联代币后的净资产比例。这个数字越高，说明储备越不依赖自身发行的代币，抗风险能力越强。规模决定天花板，清洁资产占比决定这份规模是否扎实。 多链覆盖是基础设施能力的体现。 Gate的资产分布在Bitcoin、Ethereum等多条公链，这意味着钱包、充提、风控体系需要在不同链上同时运行。用户能接入的资产种类越丰富，平台被考验的就越不是上币速度，而是跨链基础设施的稳定性。 交易量反映资金活跃度，而未平仓量则揭示深层需求。 资金进入平台后，不只在账户里停留——Gate的24小时现货交易量持续保持高位，说明资金在真实流转。与此同时，未平仓量（Open Interest）处于行业前列，意味着大量仓位并未在当日结算了结，而是选择继续留在市场等待方向。 Gate未平仓量与清洁资产的比例约为行业较高水平，反映出衍生品交易活跃度的同时，也对平台的风险限额、清算机制和资金管理能力提出了更高要求。 如果说资产规模代表平台的“体量”，清洁资产比例衡量其“健康度”，多链覆盖展现其“纵深”，那么交易量与未平仓量的结合，则揭示了平台资金在真实市场中的流转与沉淀。这四者共同构成了衡量交易所综合实力的完整坐标。

想在本地跑 Qwen、Llama、DeepSeek，但不确定电脑能不能带得动？🥲 Can I Run AI ：一个本地大模型硬件检测网页工具 可以通过浏览器识别 CPU、GPU、内存信息，再匹配不同模型的显存需求、量化方案和运行等级 适合在下载 Ollama / LM Studio / GGUF 模型之前，先判断一下： 8G 显存适合跑什么？ Mac 统一内存能不能撑住 14B？ 32B 模型是不是已经超出当前设备范围？ 不能替代真实跑分，但很适合用来排除明显不合适的模型，少走一些下载完才发现跑不动的弯路

Curve DAO 于 9 月 2 日批准向 yRisk 提供资金，使其负责 crvUSD 和 Llamalend 的风险管理，替代已提前结束合作的 LlamaRisk。yRisk 获得 12.5 万枚 frxUSD 及 568,181 枚 CRV 的一年期可撤销归属资金。yRisk 两名成员同时是 Resupply 的主要开发者，而该协议曾于 2025 年 6 月因捐赠攻击损失约 960 万美元；相关信息未在提案及 Curve 的比较评估中披露。治理投票中，yRisk 获得约 5.37 亿枚 veCRV 支持票，反对票为零。（The Defiant）

两项最新研究发现，ChatGPT、Claude、Gemini和Llama等美国主流AI模型，碰到涉及中国等威权国家的政治敏感问题时，更容易拒答，给出的内容也可能更贴近当地官方叙事。Meta独立监督委员会上月公布的研究还发现，面对“批评威权政府”的请求，多个模型的回应程度明显低于针对政治自由国家政府的类似请求。 研究人员警告，大规模网络宣传如果能长期影响AI的回答，向互联网灌输宣传内容就会获得新的战略价值。中共的审查和外宣一旦渗进训练数据，西方模型也可能替党国机器复读；自由世界不能再把数据来源当成没有政治风险的中性材料。

本地跑大模型的工具越来越多，光推理引擎就有 Ollama、llama.cpp、vLLM，还没算模型和界面。 LLMs-local 把本地跑大模型相关的资源整理到了一起，推理引擎、模型、硬件、教程都有。 推理引擎收录了 Ollama、llama.cpp、vLLM 这些，界面有 Open WebUI、Lobe Chat，模型按用途分好了类。 GitHub： 还收录了微调工具、Agent 框架、训练教程和硬件选购建议，一份清单基本能摸清整个生态。 打算在自己机器上跑模型的朋友，可以先翻翻这份合集找找方向。