شرکت Edge0 روز پنجشنبه ۲۱ آبان ۱۴۰۵ (۱۲ نوامبر ۲۰۲۶) دو مدل زبانی بزرگ به نام‌های «Edge0-145B» و «Edge0-120B» را برای دانلود منتشر کرد؛ مدل‌هایی که برای اجرا روی رایانه‌ی شخصی ساخته شده‌اند، نه مرکز داده. طبق وبلاگ Edge0 مدل ۱۴۵ میلیارد پارامتری با حدود ۲۹ گیگابایت حافظه کار می‌کند و روی لپ‌تاپ بیش از ۸۰ توکن در ثانیه می‌نویسد. وزن‌ها روی Hugging Face گذاشته شده‌اند.
چطور مدلی به این بزرگی روی لپ‌تاپ جا می‌شود؟
مدل‌های بزرگ معمولا باید کامل در حافظه‌ی کارت گرافیک بنشینند و یک مدل ۱۴۵ میلیاردی به‌طور معمول ده‌ها گیگابایت بیشتر از توان یک لپ‌تاپ حافظه می‌خواهد. Edge0 از ساختاری به نام «ترکیب متخصص‌ها» (MoE) استفاده می‌کند: مدل از صدها بخش کوچک متخصص ساخته شده و برای هر واژه فقط چندتای آن‌ها کار می‌کنند. طبق برگه‌ی مدل در Hugging Face از ۱۴۵ میلیارد پارامتر، در هر گام فقط حدود ۱۰ میلیارد فعال است.
ترفند دوم، چیدن مدل در سه لایه‌ی حافظه است:
- حافظه‌ی کارت گرافیک: متخصص‌های پرکار همیشه اینجا می‌مانند.
- حافظه‌ی اصلی رایانه (RAM): حدود ۴۰ گیگابایت از متخصص‌های کم‌کارتر.
- حافظه‌ی SSD: حدود ۴۸ گیگابایت داده که فقط هنگام نیاز خوانده می‌شود.
Edge0 می‌گوید مدل از اول برای همین شیوه‌ی اجرا آموزش دیده و یک مدل ابری فشرده‌شده نیست. این شرکت پیش‌تر با اجرای یک مدل ۳۵ میلیاردی از روی SSD شناخته شده بود.
مشخصات به زبان ساده
| ویژگی | مقدار اعلام‌شده |
|---|---|
| شمار پارامترها | ۱۴۵ میلیارد (حدود ۱۰ میلیارد فعال در هر گام) |
| اوج مصرف حافظه | حدود ۲۹ گیگابایت |
| تندی نوشتن | بیش از ۸۰ توکن در ثانیه روی لپ‌تاپ |
| پنجره‌ی متن | تا ۲۵۶ هزار توکن |
| حجم فایل | حدود ۴۸ گیگابایت (نسخه‌ی NVFP4) |
| سیستم‌عامل | ویندوز، لینوکس و مک |
| ورودی و خروجی | متن |
درباره‌ی سخت‌افزار باید دقیق بود. وبلاگ از «لپ‌تاپ ۴۸ گیگابایتی» و تراشه‌های سری M اپل و کارت‌های RTX 4090 و 5090 نام می‌برد. ولی برگه‌ی Hugging Face آزمون را روی RTX 5090 با ۲۴ گیگابایت حافظه‌ی گرافیکی گزارش کرده که در آن مدل حدود ۲۳ گیگابایت از کارت گرافیک و ۳۸ گیگابایت RAM گرفته است. همان برگه می‌گوید دستور ساخت فعلا برای کارت‌های NVIDIA روی ویندوز و لینوکس است. پس این مدل برای لپ‌تاپ معمولی نیست؛ دستگاه گران و پرحافظه می‌خواهد.
نتیجه‌ی آزمون‌ها
Edge0 جدولی از شش آزمون داده که در آن میانگین مدل ۱۴۵ میلیاردی ۷۲٫۸ است؛ کمی بالاتر از Qwen3.8-Flash-Next (۷۱٫۷) و DeepSeek-V4-Flash (۷۰٫۱) که به گفته‌ی شرکت دو تا سه برابر حافظه می‌خواهند. در آزمون کدنویسی DeepSWE 1.1 امتیاز ۶۴٫۶ و در Terminal-Bench 2.1 امتیاز ۸۶٫۵ آمده است.
این عددها را باید با احتیاط خواند. همه‌ی آن‌ها سنجش داخلی خود Edge0 است و شرکت می‌گوید جزئیات بازتولید را بعدا با گزارش فنی منتشر می‌کند. حافظه‌ی مدل‌های رقیب هم در جدول «برآورد» است، نه اندازه‌گیری. تا وقتی گروه‌های مستقل مدل را نسنجند، نمی‌شود با اطمینان گفت در عمل کجا می‌ایستد.
«متن‌باز» است، ولی با شرط
وبلاگ Edge0 مدل را «متن‌باز» می‌نامد، ولی مجوز روی Hugging Face «Edge0 Community Model License 1.0» است و آزاد کامل نیست. طبق برگه‌ی مدل، فروختن خود مدل، راه‌انداختن سرویس تجاری روی آن یا ساختن دستیار تجاری کدنویسی و اداری با آن، مجوز نوشته‌ی جدا از Edge0 می‌خواهد. بخشی از مدل هم از Qwen گرفته شده و مجوز Qwen هم روی آن بخش‌ها برقرار است. برای استفاده‌ی شخصی و پژوهش مشکلی نیست؛ برای کار تجاری باید مجوز را دقیق خواند.
چرا مهم است؟
مدلی که روی دستگاه خودتان اجرا می‌شود اینترنت نمی‌خواهد، سقف مصرف ندارد و داده‌ی شما جایی فرستاده نمی‌شود. تا امروز مدل‌های محلی از مدل‌های ابری خیلی ضعیف‌تر بودند. موجی از شرکت‌ها دارند این فاصله را کم می‌کنند؛ پیش‌تر درباره‌ی مدل ۴۰ میلیاردی Flint و هوش مصنوعی محلی در مرورگر اپرا نوشته بودیم. Edge0 خودش هم می‌گوید کارهایی که به اطلاعات خیلی تازه نیاز دارند هنوز به سرویس ابری وابسته‌اند.
این یعنی چه برای کاربر فارسی‌زبان؟
مدل محلی به حساب خارجی و پرداخت دلاری نیاز ندارد و بعد از دانلود بدون اینترنت کار می‌کند؛ این برای کاربر ایرانی جذاب است. ولی دو مانع جدی هست: دانلود فایل ۴۸ گیگابایتی و سخت‌افزاری که کمتر کسی دارد. Edge0 درباره‌ی زبان‌های پشتیبانی‌شده و کیفیت فارسی هم چیزی نگفته است. اگر چنین دستگاهی ندارید، راه ساده‌تر استفاده از مدل‌های ابری است؛ در هوش‌نو می‌توانید با مدل‌هایی مثل DeepSeek و Qwen به فارسی گفتگو کنید. فهرست در ابزارهای هوش‌نو هست. خبر قبلی ما درباره‌ی DeepSeek V4.1 Flash را هم ببینید.
منبع‌ها
سؤالات متداول
Edge0-145B روی چه دستگاهی اجرا می‌شود؟
آزمون رسمی روی کارت RTX 5090 با ۲۴ گیگابایت حافظه‌ی گرافیکی و حدود ۳۸ گیگابایت RAM بوده است. لپ‌تاپ معمولی کافی نیست.
آیا رایگان است؟
دانلود و استفاده‌ی شخصی رایگان است. استفاده‌ی تجاری از خود مدل مجوز جدا از Edge0 می‌خواهد.
آیا به اینترنت نیاز دارد؟
بعد از دانلود نه. کارهای اصلی مدل بدون اینترنت و بدون حساب کاربری انجام می‌شود.
آیا نتیجه‌ی آزمون‌ها تأیید مستقل دارد؟
هنوز نه. عددها سنجش داخلی Edge0 است و گزارش فنی کامل هنوز منتشر نشده.
