Edge0 开源 1450 亿参数端侧模型 Edge0-145B，称笔记本峰值内存约 29 GB

Edge0 近日同时开源 Edge0-145B 和 Edge0-120B 两款模型，并一并放出统一推理框架和部署工具。Edge0 称，Edge0-145B 是全球首个 1450 亿参数的开源端侧模型（发布方自称），可在兼容的笔记本上本地运行，无需服务器。文中性能与测评数据均来自 Edge0 官方博文和内部测试，完整测评设置和复现说明将随技术报告发布。

笔记本上的运行数据

据 Edge0 称，Edge0-145B 在兼容笔记本上报告的峰值内存为 29 GB，解码速度 80+ token/s，预填充速度 1,100+ token/s，典型功耗约 120 W，上下文长度 128K–256K。

Edge0 称模型首发支持 macOS、Windows 和 Linux，覆盖苹果 M 系列芯片，以及 RTX Spark、RTX 4090、RTX 5090 等英伟达平台。实测峰值内存为 29 GB，可在 48 GB 内存的笔记本上使用。

此前，Edge0 在 9 月 10 日发布了面向手机的 Edge0-35B，称其在 iPhone 18 Pro Max 上约占 2.5 GB 内存，每秒生成 37+ token。

技术思路

Edge0 介绍了两处设计：

1. 专家共享矩阵：每 64 个专家共享两个大矩阵，每个专家只保留少量自有参数。Edge0 称，145B 总参数中，每步推理仅约 10B 参与计算。
2. 三级存储加载：常用的「热专家」留在 GPU 显存，约 40 GB 的专家库放在系统内存，约 48 GB 的词表数据放在 SSD 上按需读取，读取与计算重叠进行。

测评成绩（Edge0 内部测评）

Edge0 公布的 Edge0-145B 成绩如下：

• DeepSWE 1.1 为 64.6，Qwen3.8-Flash-Next 为 58.7，DeepSeek-V4-Flash-0731 为 54.4。
• Terminal-Bench 2.1 为 86.52。
• GPQA-Diamond 为 90.4，IFBench 为 80.6，HLE 为 35.4，AA-LCR 为 79.3。

六项测评的平均分，Edge0-145B 为 72.8，Qwen3.8-Flash-Next 为 71.7。Edge0 称后者按标准 4bit 部署估计约需 70 GB 内存，这是估算值，尚未实测。Edge0、Qwen、DeepSeek 和 Claude 的成绩均来自 Edge0 内部测评。

规模与客户数据

Edge0 称，其开源模型三个月内下载量超过 1500 万次，截至 2026 年 10 月，客户机构超过 11 万家。这些数据来自公司自述。

来源

• https://edge0.ai/blog/introducing-edge0-145b-frontier-ai-capabilities-on-your-own-computer