核心要点速览
- Edge0-145B与120B是端侧原生的100B级开放权重基座模型
- Terminal-Bench 2.1为86.5%,声称超过Claude Opus 4.6的78.2%
- 所需内存29GB,权重在Hugging Face的Edge0-145B-NVFP4上免费公开
「端侧原生100B级」这一宣言的具体内容
入选MIT TR35的Samuel Zeng(@SamuelZengML)是edge0.ai创始人。2026年11月12日,他在X上发布了@Edge0_AI的首个端侧原生100B级模型Edge0-145B与Edge0-120B,并宣称既没有云端API,也不按token计费,代码与数据不会离开本机。
出处[1]
从数字看轻量与速度,以及不计费的提供方式
稀疏Mixture of Experts的设计每个token只动用约100亿参数,这是把100B级模型装进笔记本电脑内存的前提。该帖获得716,588次浏览,点赞1587、收藏1570、转发225。
出处[1]
Hugging Face上的NVFP4与推理深度设置
权重发布于Hugging Face的Edge0/Edge0-145B-NVFP4,模型卡上线时的Like为281,Edge0组织的关注者为1.77k。直链为https://huggingface.co/Edge0/Edge0-145B-NVFP4。
正如标题「Rebuilt, not converted」所示,其卖点是重新构建,而非对现有巨型模型做简单的量化转换。聊天模板中可通过enable_thinking与reasoning_effort(默认xhigh,另有medium/low)切换思考量,函数调用则用专用标签书写。
出处[2]
X(推特)首发原帖
可在 X 上直接查看创作者发布的原帖与互动详情。
常见问题
reasoning_effort的xhigh和low有什么区别?
在模板中,xhigh会指示优先验证前提、考量替代方案,并把正确性与一致性放在首位;low则缩短思考,直接走向结论。未指定时默认为xhigh。
出处[1]
参考链接与官方出处
- Edge0-145B 関連ソース (1)x.com
- Edge0-145B 関連ソース (2)huggingface.co




