凌晨被群消息炸醒：Meta把30B模型塞进20GB，二手3090能再战三年

 昨晚十一点多，胜哥准备关电脑睡觉。

手机震了一下。群里老陈甩了个链接，配了三个感叹号。

"兄弟们快看这个！！！！！！！"

胜哥点开。HuggingFace 页面。Muse Glimmer。往下翻——30B参数，Apache 2.0开源。往下翻——4-bit量化后不到20GB，24GB显存的显卡就能跑。往下翻——DFlash投机解码，RTX 5090上从每秒74.9个token蹦到233.4个。三倍。

胜哥放下手机，想了想，又拿起来，把链接转发到了另一个群。

然后可能是老陈的猫跳上了他的键盘，发了一条全是"asdfghjkl"的消息。老陈回了句：

"猫在我键盘上跑，可能猫也觉得能跑哈。"

就是这种时候，垃圾佬的直觉会告诉你——有什么东西变了。

结果第二天早上刷新闻，蚂蚁百灵 Ling-3.0-tiny 也开源了——7.9B参数，MoE架构，M4 Pro MacBook 上跑到每秒86-90个token。

两个模型，24小时之内。一个说"30B能本地跑"，另一个说"笔记本也能跑得很聪明"。

胜哥觉得，这事儿值得坐下来好好聊聊。

30B模型怎么塞进一张游戏显卡里的

8月10号，Meta 超级智能实验室把 Muse Glimmer 放上了 HuggingFace。Apache 2.0协议——免费下载，免费商用，随便你怎么改。

30B参数什么概念？去年大家还在说"7B能跑、13B勉强、30B想都别想"。30B全精度需要大约55GB显存，一张消费级显卡根本装不下——RTX 4090才24GB。

Meta 这波用了4-bit量化。

量化说白了就是压缩——把模型的数字精度从16位砍到4位。牺牲一点点精度，换来内存占用砍到原来的四分之一不到。Meta自己的数据：精度损失只有0.2%到1%——说实话这个数字小到胜哥都有点怀疑，但反正先信着。

结果就是：

• 语言模型权重压缩到不到20GB
• 剩下的显存放视觉编码器 + 上下文缓存 + DFlash投机解码器
• 全部塞进一张24GB显卡里

具体给你列清楚：

• K-Quant-17GB版本：目标24GB显存。RTX 3090（24GB）、RTX 4090（24GB）都能跑。精度损失约1%
• K-Quant-Dynamic版本：目标32GB显存。RTX 5090（32GB）。精度损失仅0.2%
• Mac这边：M4 Max/M5 Max MacBook Pro，32GB统一内存就能跑

Reddit上已经有老哥实测了——RTX 3090单卡，实际占用22到23GB显存，跑起来了。社区反应也快，Unsloth当天就做了GGUF镜像，Ollama、llama.cpp、LM Studio、vLLM全适配了。

速度方面，DFlash投机解码器（一个小模型一次猜16个token，主模型再一次性验证）把速度拉了一大截：

• RTX 5090：每秒74.9 → 233.4个token（3.1倍）
• M5 Max：每秒26.6 → 50.2个token（1.8倍）
• M4 Max：每秒23.7 → 37.8个token（1.5倍）

这些是Meta自己的数据。独立测试还没大规模出来。但胜哥多说一句——就算打八折，这个速度也够日常用了。

Muse Glimmer不只会聊天。它的能力列表你自己看：

• 131072 token上下文——一本技术手册从头看到尾
• 能读图片——图表、截图、文档都能理解
• 能调用工具——MCP Atlas得分75.5，比同级别的Google Gemma4-31B高了二十多个点
• 写代码——SWE-Bench Pro 51.2分，30B级别目前最高
• 超过100种语言

老陈在群里补了一句：

"意思是我3090终于不用只跑Stable Diffusion了。"

同一天，另一个模型也来了——门槛更低

8月11号，蚂蚁百灵在HuggingFace开源了Ling-3.0-tiny。

跟Muse Glimmer走的不是一条路——它更轻、更省、门槛更低：

• 总参数7.9B，MoE架构，每次推理只激活1.3B参数
• 提供BF16、FP8、INT4三种精度版本
• M4 Pro MacBook实测每秒86-90个token
• 8K上下文下峰值内存才8.34GB
• 用了Kimi Delta Attention和MLA混合架构，128个路由专家

翻译成人话：一台MacBook就能跑，不需要买显卡，不需要装机。

胜哥看了一眼自己的设备。又看了一眼。默默打开了HuggingFace。

两个模型放一起看，趋势太清楚了——

开源模型正在从"需要一间机房"变成"需要一张好显卡"，再变成"一台好笔记本就够了"。

Muse Glimmer把30B的AI能力带到了消费级GPU上。Ling-3.0-tiny把"够用的AI"带到了笔记本上。两条路，一个方向：本地，离线，你的机器。

对咱们垃圾佬来说，这件事到底意味着什么

群里的兄弟大部分是捡旧工作站、组NAS、几百块淘准系统的主。RTX 3090二手多少钱？

海外市场：800到1000美元。 国内闲鱼：大概4500到7000块（2026年8月行情）。

这笔钱不是小数目。胜哥不跟你画饼说"人人都能跑30B模型"——你得先有张24GB的卡。

但关键是，门槛在降低这件事本身。

半年前，想本地跑一个能用的AI，要么花几万块买A100，要么老老实实付API月费。现在呢？

一张用了五六年的二手RTX 3090 + 一个免费开源的30B模型 = 无限次调用。不用联网，数据不出你家门。写代码、读文档、分析表格、做研究——全部在你自己机器上跑。

DDR5内存涨到16G一千多块，存储涨到1T SSD五百起步。但AI模型的推理能力，正在从"按月付费的服务"变成"一次投入的硬件功能"。

你的老工作站插上一张二手3090，它就不是文件服务器了——它是一台AI服务器。

老陈的3090是三年前花九千多买的。

"本来想卖了换50系，现在不卖了。这卡能跑30B模型，比换新卡值。"

当然，不是每个人都要买3090。如果你手头有M系列MacBook、内存32GB以上的，直接用MLX跑Muse Glimmer，Mac的统一内存这时候就是显存。如果是M4 Pro MacBook，Ling-3.0-tiny能跑到你打字都跟不上的速度。

如果你还在用老工作站、没独显、也没MacBook——那就先跑Ling-3.0-tiny。INT4版本在8GB内存的设备上就能跑起来。先体验，再决定要不要升级。

胜哥今天就把话说明白：

24GB显存是本地AI的"入场券"。你不需要最新最贵的卡，二手3090就是现阶段性价比最高的选择。16GB内存是"起步线"——Ling-3.0-tiny这种轻量模型在这个配置上就能流畅跑。

现在该干嘛？三步

① 先别冲动买显卡。

Muse Glimmer才发布两天，社区适配还在进行中。等Ollama/llama.cpp上的实际表现出来、等独立测试数据。二手3090价格目前还算稳，不需要抢。

② 手上有什么用什么，先跑Ling-3.0-tiny。

门槛低。MacBook、台式机都能跑。INT4量化版本8GB内存起步。先体验一下"本地AI是什么感觉"，再决定值不值得投钱升级。

③ 如果你已经有了24GB显存卡，现在就去下载。

HuggingFace搜"Muse Glimmer GGUF"，Ollama或LM Studio加载，几分钟就能跑起来。胜哥建议先试K-Quant-17GB版本——社区反馈在3090上22GB左右的占用，很稳。

下载地址给你：

• Muse Glimmer：huggingface.co/meta-models/Muse-Glimmer-30B
  （GGUF量化快速上手版：huggingface.co/meta-models/Muse-Glimmer-30B-GGUF）
• Ling-3.0-tiny：huggingface.co/inclusionAI/Ling-3.0-tiny
  （另有FP8版：huggingface.co/inclusionAI/Ling-3.0-tiny-fp8
  INT4版：huggingface.co/inclusionAI/Ling-3.0-tiny-int4）

几个容易踩的坑，提前说清楚

① 量化版别下错。HuggingFace上一堆GGUF变体，K-Quant、Q4_K_M、Q5_K_M……看着差不多，精度和速度差距挺大。胜哥的建议是第一次跑就用官方推荐的K-Quant-17GB，跑通了再换别的折腾。

② DFlash要单独装。它是个独立的小模型，不是自动配套的。你要么下载DFlash权重文件，要么用支持它的运行时（llama.cpp的某些版本、ExecuTorch）。否则你只跑到原始速度，看不到那个3.1倍加速。

③ 视觉功能吃显存。Muse Glimmer能看图，但一旦开了视觉编码器，22-23GB显存基本就顶满了。如果你本来在跑30B还想同时处理图像，24GB卡会吃紧。32GB版本（RTX 5090）才真正游刃有余。

④ Mac的统一内存不是显存，是共享池。MacBook跑的时候系统本身要占一部分内存，所以32GB的MacBook留给模型的实际可用内存可能只有28-29GB。打算用Mac跑的朋友，提前看一下Activity Monitor。

⑤ Reddit/Hacker News这两天会吵翻天。这模型8/10才放出来，独立评测、各家量化版本、社区调优建议，会在接下来一周内陆续冒出来。胜哥建议你收藏这文章，过两天再回来看评论区，会比现在信息全得多。

这不是那种"赶紧冲冲冲"的新品。胜哥反而不建议你今天就去下单显卡——等独立测试出来、等社区踩完坑，结论会更清晰。

---

写完这篇，胜哥想说句大实话。

2025年，本地AI是极客的玩具。2026年8月，两个模型在24小时内同时宣布"你能在自家电脑上跑"。Meta把一个30B模型塞进了一张游戏显卡，蚂蚁把一个8B模型塞进了一台笔记本。

都是Apache 2.0商用协议——随便用，不要钱。这不是巧合。

开源本地AI的时代，真的他妈来了。

你的电脑不再是"终端"。它正在变成"大脑"。一张三年前的旧显卡，现在是一台AI工作站的核心。这事儿搁去年谁敢信？

懂的都懂，不懂的说了也不懂。

（胜哥科技数码聊，专治各种硬件选择困难症。关注胜哥，下期接着聊。）