黑粉科技 · 全部文章

猫和狗像，猫和内阁不像。把这种直觉放进数字里，词语就有了距离；可“允许商用”和“不允许商用”也可能挨得很近。相关资料，不等于正确答案。

普通人能在自己电脑上运行AI，并不是从天上掉下来的福利。分阶段发布、研究许可、开放引擎与下载链接，把同一场技术竞争分成了两条跑道。

一站一站传话，和随时查找前文，是两种不同的组织方式。2017年的论文改变了语言模型，但它没有送给机器一份永不遗忘的记忆。

从安全检查到授权渗透：1.6.7 新增服务识别、SQL注入探测与自写PoC执行，出口技术锁死授权目标；保留35B和27B连续实测、170条组件匹配与各平台验证边界。

录完直接剪，一句话交给 AI：28 分钟原始录屏剪掉 8 分钟，导出前的体检查出没打码的密钥；368 个原生动画，17 个平台的关注卡在动画里切。没做到的也写在里面。

LocalBrain 1.4.8 接进第二个本地视频引擎 LTX-2.5：写一句带引号的台词，画面里的人会说出来。64GB 的 M5 Pro 上 4 秒 1024×576 约 2 分钟、峰值 25GB，运行时默认参数本来要 54GB；43.4GB 权重国内经 ModelScope 直连，发现页一键下载。

同样是 AI 电脑，Mac 买共享内存和低维护，Windows 买兼容与显卡选择，Linux 买生产栈；加入 9 月 28 日官方现货价后，答案更具体。

17 个旧入口逐一复核，并审视 4 个候选；按本期非空真实请求筛出 3 个可调用平台，同时记录额度和失败边界。

12 组全交付，但同题重复跑本身差 15 倍：长任务卡在外面那圈循环，不在模型。

31 GiB 权重，M5 Pro 上 20 步 69 秒；中文书法写对四字。接入 LocalBrain 踩中三处陷阱；第二轮换人像重测官方那三条，发现「商品保真」其实是道尺寸题。

Splash 在我的 M5 Pro 上把 Qwen3.8-27B 的代码生成跑到 79.3 tok/s，比同权重的朴素 MLX 快 5.11 倍；换成中文写稿只剩 1.44 倍。差别不在引擎，在草稿模型的接受率——代码 63.2%，中文 11.9%。

Jev 不生成文本，只对状态做带概率的判断。官方倍数很唬人，但把水分写在了自己的脚注里；Vercel 上免费白嫖到 9 月 25 日。

PrismML 把 27B reasoning 压到 5.93 GB、M5 Pro 跑出 27.7 tok/s，还留 98.2% 的 Qwen3.8 原始能力。两条部署路径的命令、踩坑和接下来在 LocalBrain 里实测的计划，一次写清楚。

录屏最怕的不是没录好，是录到了不该录的。黑粉录屏 1.0.2 正式版：本机识别敏感信息、打码跟着放大和滚动走，导出后回读成片做体检；录制和缓存放哪自己定。附实机截图的完整功能介绍。

用本地 Qwen3.8-27B 通过 blender-mcp 建模的方法，再在 LocalBrain 里实测五轮：模型能一步步动手，但慢；交付的黑图只差一个勾选，看不见时它当成完成，能看最终渲染图以后才用对了修法。

本地 AI 不是开发者的玩具。模型、仓库、软件、工作流四件套讲透，外加三个能抄的点子

把今年发布的 11 个低内存本地模型下到本机，用 LocalBrain 内置的 llama.cpp 统一量内存、速度和工具调用：8K 上下文下 6 个压在 8GB 设备的默认上限内，Qwen3.5-9B 比去年的 Qwen3-8B 少占 3 GB，1-bit 的 27B 能跑但质量只有厂商数字。这批模型也加进了 LocalBrain 的发现页。

LocalBrain 1.2.65 能在本机跑 MiniMax H3 的多参考图版（REF2VA），一次最多 9 张图。我在 64 GB 的 M5 Pro 上用 0、1、2、4 张参考图各生成一条 960×544 的 3 秒视频，把耗时、内存、被照搬的细节和 Turbo 不能开的原因原样摆出来。

64GB Mac 上的 Qwen3.8-Flash-Next 连跑五道离线网页难题：1 题交付、3 题可运行、1 题放弃。每次超时、崩溃和长上下文失速，最终都变成了 LocalBrain 的通用修复。

llama.cpp 0.4 用懒加载、流式量化和 Apple RDMA 改写了大模型的内存边界。但 LocalBrain 的 64GB Mac 记录证明：文件大于内存可以启动，不等于长上下文也能满速跑。

MiniCPM5-2B 把 13 万上下文、Agent 训练和官方 GGUF/MLX 一起塞进 2.52B 参数；真正的看点不是越级跑分，而是它有没有资格成为本地软件里的常驻执行器。