Edge0 открыла веса Edge0-145B: нейросеть на 145 млрд параметров для ноутбука

Компания Edge0 объявила, что открывает исходники и веса двух моделей, Edge0-145B и Edge0-120B, вместе с единым фреймворком для вывода (инференса) и инструментами развёртывания. Edge0-145B компания называет первой в мире открытой локальной моделью со 145 млрд параметров; по её словам, она даёт на вашем компьютере возможности в программировании, рассуждении и агентных задачах, сопоставимые с передовыми облачными моделями. Лицензия, размер загрузки и цена в тексте не названы, характеристики Edge0-120B не приведены.
Техническая идея: модель и движок для её запуска проектировали вместе. Архитектура с разреженными экспертами устроена так, что каждая группа из 64 экспертов делит две большие матрицы, а у каждого эксперта остаётся небольшой набор собственных параметров; раньше у каждого эксперта был полный комплект матриц. Из 145 млрд параметров в вычислениях на каждом шаге участвует примерно 10 млрд. Модель с самого начала обучают в локальной архитектуре, а не сжимают и не прореживают после обучения облачной. При загрузке чтение и вычисления идут конвейером по трём уровням хранения: частые «горячие» эксперты лежат в памяти GPU, библиотека экспертов примерно на 40 ГБ, в оперативной памяти, а примерно 48 ГБ данных словаря, на SSD и читаются по требованию. При планировании GPU считает кэшированных экспертов, пока CPU параллельно делает остальное; спекулятивное декодирование проверяет сразу несколько кандидатов-токенов.
По данным компании (внутреннее тестирование), на ноутбуке модель выдаёт 80+ токенов в секунду при пиковой памяти 28 ГБ; в другом месте поста та же модель приведена с 29 ГБ измеренного пика, и текст эти цифры не сверяет. Точная модель ноутбука не названа, упомянут лишь «ноутбук на 48 ГБ». Для сравнения: прежняя Edge0-35B на iPhone 18 Pro Max давала 37+ токенов/с при примерно 2,5 ГБ памяти (другая модель и другое железо).
Бенчмарки (все результаты Edge0, Qwen, DeepSeek и Claude получены внутренними замерами Edge0): DeepSWE 1.1, 64,6 против 58,7 у Qwen3.8-Flash-Next и 54,4 у DeepSeek-V4-Flash-0731; Terminal-Bench 2.1, 86,52 против 83,3, 82,7 и 78,2 у Claude; IFBench, 80,6 против 79,2 у DeepSeek-V4-Flash-0731 и 62,5 у Claude-Opus-4.6 (Max); AA-LCR, 79,3 против 78,0 у Claude. На GPQA-Diamond у Edge0-145B 90,4, чуть ниже, чем у DeepSeek-V4-Flash-0731 (90,8) и Claude-Opus-4.6 (Max) (91,3). Относительно Qwen3.8-27B, которую компания считает массовой локальной базой, прирост составляет 18,5% на Terminal-Bench и 53,1% на DeepSWE, а на HLE, GPQA и IFBench, 14,9%, 1,3% и 1,4%. Средний балл по шести тестам, 72,8 против 71,7 у Qwen3.8-Flash-Next, чья оценочная (не измеренная) память при обычной 4-битной загрузке составляет около 70 ГБ; то есть Edge0-145B занимает около 40% оценочной памяти базовой модели.
На демонстрациях компания показывает локального агента, который сам планирует, пишет код, запускает его, чинит ошибки и проверяет результат по скриншотам. Модель, по заявлению Edge0, за час сделала ролик о том, как мог бы летать Tesla Roadster (исследование, сценарий, материалы, монтаж), и за час собрала в Blender сцену Манхэттена; ручная работа, по оценке компании, стоила бы около $12 000-18 000 и заняла бы не меньше месяца, а ведущая облачная модель (не названа) набежала бы более чем на $150 за токены. Ещё Edge0-145B построила средневековую столицу для фэнтези-RPG и 20-секундный пролёт камеры; по словам компании, облачной модели для такой же задачи понадобились сотни вызовов инструментов и сотни миллионов токенов. Показан и пример управления реальным дроном: по одной инструкции модель написала программы управления полётом и визуального распознавания. Полные условия оценки, железо и инструкции для воспроизведения компания обещает в техническом отчёте.
Ключевые факты
- Edge0 открывает Edge0-145B и Edge0-120B вместе с фреймворком вывода и инструментами развёртывания; Edge0-145B назван первой открытой локальной моделью со 145 млрд параметров.
- Архитектура с разреженными экспертами: группы по 64 экспертов делят две большие матрицы, на каждом шаге в вычислениях участвует около 10 млрд из 145 млрд параметров.
- По внутренним тестам Edge0 на ноутбуке модель выдаёт 80+ токенов/с при пиковой памяти 28 ГБ (в другом месте поста, 29 ГБ); локальный запуск заявлен на ноутбуке с 48 ГБ.
- Бенчмарки: 64,6 на DeepSWE 1.1, 86,52 на Terminal-Bench 2.1, 80,6 на IFBench; на GPQA-Diamond 90,4, чуть ниже DeepSeek-V4-Flash-0731 (90,8) и Claude-Opus-4.6 (Max) (91,3).
- Все результаты получены внутренними замерами Edge0, память конкурентов в сравнении, оценка; полная методика выйдет в техническом отчёте.
Почему это важно
Локальные модели обычно упирались в память: до сентября 2026 года большинство из них, по словам Edge0, не превышало 10 млрд параметров. Если заявление подтвердится, модель масштаба 100+ млрд параметров на обычном ноутбуке с 48 ГБ памяти без облака, платы за токены и передачи данных наружу, заметный сдвиг. Ключевой приём, не сжатие облачной модели, а разреженная архитектура с общими матрицами экспертов, обучаемая под локальный запуск, и конвейер памяти GPU, ОЗУ и SSD.
Кому это важно
Разработчикам, которые хотят запускать агентов и помощников по коду локально, где код и данные остаются на компьютере. Командам с ограничениями на передачу данных в облако и тем, кто считает расходы на токены и API. Исследователям и энтузиастам открытых моделей: компания выкладывает веса, фреймворк и инструменты для проверки, дообучения и встраивания в продукты.
Как это применить
Компания предлагает скачать веса, изучить фреймворк вывода или попробовать приложение Edge0 App. По её данным, комфортный запуск рассчитан на ноутбук с 48 ГБ памяти; для сравнения она отмечает конфигурации на 48 ГБ и 64 ГБ. Лицензия, размер загрузки и цена в тексте не указаны, как и конкретная модель ноутбука для замеров, поэтому перед внедрением проверьте условия на странице проекта и тест на своём железе.
Можно ли доверять
Источник, первоисточник, пост самой компании, и это маркетинговый материал. Все цифры Edge0, Qwen, DeepSeek и Claude получены внутренними замерами Edge0; независимой проверки в тексте нет, а полная методика, железо и инструкции по воспроизведению ещё не опубликованы. Память конкурентов отмечена как оценка для обычной 4-битной загрузки и ещё не измерена. Сама компания оговаривает, что сравнения относятся только к названным моделям и тестам. Цифры памяти внутри поста расходятся (28 и 29 ГБ). На GPQA-Diamond модель уступает Claude-Opus-4.6 (Max) и DeepSeek-V4-Flash-0731. Авторы поста не названы.
Риски и подводные камни
Заявленная скорость 80+ токенов/с и память относятся к внутренним тестам на ноутбуке, который не назван; на другом железе результат может отличаться. Скорость и память для Edge0-35B на телефоне относятся к другой модели и другому железу, их нельзя переносить на Edge0-145B. Оценки экономии (месяц ручной работы, $12 000-18 000 за сцену, свыше $150 за токены облачной модели), расчёты самой компании, а облачная модель в этих сравнениях не названа. Оценка «около 40% памяти базовой модели» опирается на оценочную, а не измеренную цифру в 70 ГБ. Сведений о лицензии и о характеристиках Edge0-120B нет.
«Напиши программу для дрона, которая проведёт его через препятствия и найдёт красный рюкзак.»
— Инструкция, которую, по описанию Edge0, получила модель Edge0-145B в демонстрации с реальным дроном