你的电脑大概率跑不动 800 亿参数的大模型——除非换个装法。开源项目 Swiftlet 近日在技术社区 Hacker News 上亮出一组数字：4 比特量化的通义千问 Qwen3-Next-80B-A3B，硬盘要占 42GB，运行时内存峰值却只有 4.3GB，在搭载 M5 芯片的 Mac 上每秒解码 4.5 到 5 个词元；更小的 Qwen3.6-35B-A3B 内存峰值 2.6GB、每秒 7 到 11 个词元，还能在 iPhone 17 上以约 2.5GB 内存原生运行，速度约每秒 1 个词元。

它靠的不是压缩，是搬家。这两代通义千问用的是混合专家架构（MoE，一个大模型内部拆成许多小专家，每次只喊几个干活）：800 亿参数版每层从 512 个专家里挑 10 个，实际每个词元只激活约 30 亿参数。Swiftlet 把常驻不变的那部分留在内存里，只占 1.3GB 到 2.5GB；剩下几万个专家权重打包成固定步长的容器文件放进固态硬盘，用哪个读哪个，一次读取对应一个专家，热门专家再用小缓存兜着，实测命中率 43% 到 70%。

说白了，不是模型变小了，是内存这道门槛被硬盘顶掉了。这类”以存换存”的思路，落地速度大概会快过等更大内存的新机器。

代价也得说清楚。作者自己承认，每个词元只激活 30 亿参数，模型”聊天和写作像大模型，记事实像小模型”；长提示词处理更慢，社区实测一万词元的提示要跑约半小时。项目采用 Apache 2.0 协议，要求苹果芯片、macOS 14 或 iOS 17 以上，同时提供命令行工具和兼容主流接口的本地服务。

为了让数据不出本机，你愿意忍受每秒几个词元的速度吗？

来源：GitHub / leonickson1 · Swiftlet，Hacker News「Show HN: Run an 80B Qwen in 4.3 GB of RAM on a Mac, and a 35B on an iPhone」