pickfit

瀏覽本機 AI 工具

BigMoeOnEdge

透過從快閃記憶體串流 experts,於本機執行大於 RAM 的 Mixture-of-Experts 模型。

已在 Linux 上測試

使用

Linux x86_64

需要先準備

  • 系統套件:WebKitGTK 4.1
  1. 從 releases 下載 install.sh

    curl -fsSL https://github.com/Helldez/BigMoeOnEdge/releases/latest/download/install.sh -o /tmp/install.sh
  2. 執行 install.sh(安裝 bmoe-cli/bmoe-server 至 ~/.local/bin)

    sh /tmp/install.sh

確認能用

bmoe-cli --version

輸出應包含「0.39.0」。

先試試這個

mkdir -p ~/models && curl -fL -o ~/models/SmolLM2-135M-Instruct-Q8_0.gguf https://huggingface.co/bartowski/SmolLM2-135M-Instruct-GGUF/resolve/main/SmolLM2-135M-Instruct-Q8_0.gguf && ls -lh ~/models/SmolLM2*.gguf
bmoe-cli -m ~/models/SmolLM2-135M-Instruct-Q8_0.gguf --plan

它能做什麼

  • 自動設定快取與執行計畫
    已測試
  • 為 coding agent 提供 OpenAI 相容 API
    已測試
  • 執行大於記憶體的 MoE 模型
    沒有看到它可用
  • 於資料夾中執行檔案編輯 agent
    未測試

pickfit 測到哪一步

Linux x86_64

  1. 可以安裝
  2. 可以啟動
  3. 4 項功能中 2 項可用
  4. 可離線使用

macOS 和 Windows:專案說支援,但 pickfit 還沒試過。

適合用來

  • 在 12GB 手機上執行 21GB MoE 模型
  • 提供本機 OpenAI 相容聊天 API
  • 執行 agent 讀寫資料夾檔案
  • 將 coding agent 連接至本機伺服器

可替代 Strata、ds4、colibri 和 KTransformers。

pickfit 怎麼測的

每次測試都從乾淨的機器開始,照上面的步驟執行。 pickfit 怎麼驗證

Linux x86_64

能產生模型輸出

  • 從頭重跑
  • 可離線使用
  • 檢查於 2026年11月2日
  • 版本 0.39.0

測試機器遇到的差異

  • README: bmoe-cli -m model.gguf --auto -p "Explain MoE routing." works with any model
    測試中: stories260K.gguf 因 K cache q8_0 block size 出現 'failed to create context' 失敗;SmolLM2-135M-Instruct-Q8_0.gguf 可運作並用於驗證
  • README: README examples use trailing pipes for brevity
    測試中: 此沙盒因會隱藏結束碼而拒絕在冒煙測試中使用尾端 pipe(| head);已改為不使用 pipe 重跑檢查

怎麼看工具卡

縫線
pickfit 親自安裝過這款工具,縫線下方的內容都來自那次測試。沒測過的工具,一律沒有縫線。
已在你的作業系統上驗證
安裝步驟在你選的系統上跑過。「只在 Linux 上執行過」表示還沒在你的系統上跑過。
macOS、Linux 和 Windows在哪裡測過
綠色系統標記:pickfit 在該系統跑過安裝步驟。灰色:README 說支援,但 pickfit 還沒試過。
測試進行到哪一步
能安裝並啟動、主要功能可用、服務有回應、能產生模型輸出。視窗代表桌面應用程式已開啟;插頭代表 MCP 用戶端用過它。標記在測試結果旁邊:展開「為什麼適合、我們怎麼知道」,或在「pickfit 怎麼測的」裡。
視覺檢查
pickfit 看過應用程式的截圖。綠色:畫面正常。黃色加數字:有看起來不對的地方,點開就能看到。灰色虛線:還沒檢查。
已知漏洞
它安裝的套件有沒有已知的高風險或嚴重漏洞(OSV.dev)。綠色:沒有已知漏洞。紅色加數字:有幾個,點開看清單,安裝前先看過。灰色虛線:沒有檢查,不代表安全。
關於這次測試
測試日期,以及測到的版本。
理由的來源
每個推薦理由都依據簡介裡的一個欄位。展開理由就能看到欄位和值。
寶藏
品質高、少有人知。
品質與知名度
兩個分數,滿分都是 100。品質:pickfit 試裝、試用的結果,以及安裝文件和維護狀況。知名度:看星數、下載量和 Hacker News。
已檢查的功能
README 宣傳的主要功能裡,實測通過幾項(綠色)、失敗幾項(紅色)。灰色是沒檢查的,工具卡會說明原因。
未驗證
Fitz 依一般知識提到的知名工具。沒有測試紀錄、沒有步驟、沒有分數。