Ollama跑Gemma虽快，但企业协作必须上Harbor，否则半夜被叫醒的是你_网络存储

1. 阿里正式发布新一代基模千问3.5

2. 搭建 Ollama 本地模型，让 Hermes 拥有"备用大脑"

3. 除夕夜，国产顶流压轴上线，QWEN3.5多模态开源！

4. 思源笔记+Ollama！在极空间本地搭建强大AI写作系统

5. Qwen3.5 开源王炸！多模态性能屠榜，本地部署 + OpenClaw 实战全流程！|零度解说

6. 除夕迎「源神」？Qwen3.5以小胜大，捅破性价比天花板，大模型竞赛下半场开始了

7. #千问Qwen3.5大模型发布#阿里巴巴春节AI大战再出一张王牌。今天，阿里巴巴正式开源并上线了新一代千问大模型Qwen3.5，以其原生多模态架构和极致效率设计，成为全球开源AI领域的新标杆。Qwen3.5首次实现原生多模态融合，直接支持文本、图像及视频输入，无需外部适配即可完成跨模态理解任务。推理吞吐量提升8.6倍至19倍，显存占用降低60%。实测性能超越自家万亿级前代模型Qwen3-Max，并在多项权威评测中领先。用户可通过千问APP、PC端一键切换至Qwen3.5模型，实时体验多模态交互。Qwen3.5的发布标志着国产大模型进入“效率+多能力”双轨竞争阶段。其发布节点直击春节技术窗口，与DeepSeek v4、字节豆包2.0等国产模型形成“春节AI大战”格局。#老张聊科技#

8. 直击GTC：1万亿美元GPU、为龙虾做“CUDA”，老黄就指着你烧 token 了

9. 【24GB 显存专属！消费级硬件也能跑的顶尖 AI 模型清单】这里有一份针对24GB显存（如RTX 3090/4090或24GB Mac）的实战模型清单，让你在消费级硬件上也能拥有顶尖的AI体验。第一部分：速度与智能的平衡点如果你追求响应速度，MoE（混合专家）架构是首选：- Qwen3.6-35B- Gemma-4-26B-A4B这两款模型在保持极高推理速度的同时，依然拥有出色的逻辑能力。MoE架构的魅力在于它只激活部分参数，让你的显卡在低延迟下跑出工业级的效率。第二部分：极致智能的代名词如果你愿意牺牲一点速度来换取更深邃的思考，请选择密集（Dense）模型：- Qwen3.5-27B- Gemma-4-31B这些模型在编程、推理和复杂指令遵循上表现惊人，足以媲美MiniMax-M2.5等闭源大模型。在速度不是首要考虑因素时，它们就是消费级硬件能触达的智能天花板。第三部分：垂直领域的特种兵- Zeta-2：本地版的Cursor Tab。它专门为代码编辑预测优化，甚至可以在4GB显存上运行，是开发者本地IDE的最佳拍档。- Parakeet-TDT：语音转文字（STT）利器。与其打字，不如直接口述。它能精准转录并放入剪贴板，让你真正实现与AI代理的实时对话。- Hermes-4.3-36B：拒绝拒绝的模型。如果你厌倦了AI繁琐的安全限制，Hermes提供了极致的开放性和 steerability，是目前最懂你的中立助手。工具建议：新手建议从LM Studio开始，它提供了最直观的交互界面；进阶用户可以尝试vLLM或SGLang，以获得更高的吞吐量和更专业的部署体验。x.com/0xSero/status/2046515626143846521模型地址：huggingface.co/google/gemma-4-26B-A4B-ithuggingface.co/Qwen/Qwen3.6-35B-A3Bhuggingface.co/google/gemma-4-31B-ithuggingface.co/Qwen/Qwen3.5-27Bhuggingface.co/zed-industries/zeta-2huggingface.co/nvidia/parakeet-tdt-0.6b-v3huggingface.co/NousResearch/Hermes-4.3-36B

10. 英伟达周末双炸！CUDA二十年最大更新，顺手屠榜AGI比赛

11. #IT技术# #微博兴趣创作计划# 5分钟搞定！用Docker在Linux部署大语言模型超简单～今天分享从Ollama到OpenWebUI的一站式部署流程，全程无需复杂配置，Windows/macOS/Linux系统都能支持。借助容器化技术，本地就能跑起大模型，云计算和AI爱好者必备技能！#Docker #Linux #AI部署 #技术教程伊妹耳的微博视频

12. 「Github一周热点109期」Claude Code被开源, Pretext文本排版引擎, 谷歌最新开源模型和3D建筑编辑器

13. 如何评价 3 月 30 日发布的 Qwen3.5-Omni 的性能表现？

14. 正面硬刚Gemini 3 Pro，阿里开源Qwen3.5-Plus｜甲子光年

15. 给大家分享一个好东西，太绝了，就是这个终端神器：Wave Terminal。有了它，你就可以直接放弃 iTerm2 了。它为什么好呢？因为功能强大，颜值在线啊，我们现代开发经常要在终端和浏览器之间来回切换，查文档、预览文件、用 AI 工具。Wave 直接把这些功能全部塞进了终端里。功能特色如下，这几个功能，谁看谁不迷糊啊。1、内置 AI 聊天可以接入 OpenAI、Claude、Perplexity，甚至本地 Ollama 都行，直接在终端里问问题，不用切窗口了。2、拖拽式布局终端块、编辑器、网页浏览器可以随便拖放组合，类似 IDE 的分屏，但更灵活。3、远程文件预览连上服务器后，Markdown、图片、视频、PDF、CSV 都能直接预览，不用再 scp 下来看了。4、命令块每个命令都可以单独隔离监控，还能设置自动关闭，跑任务的时候特别好用。5、一键远程连接SSH 连接配置好后，一键就能拿到完整的终端和文件系统访问权限。支持 macOS、Linux、Windows 全平台，完全开源免费。最新版 v0.12.4 刚更新，GitHub 已经 13k+ stars 了，真的太香了。官网地址：www.waveterm.dev开源项目地址：github.com/wavetermdev/waveterm#AI工具##科技先锋官##AI创造营##微博兴趣创作计划#

16. 线上微调大模型不想折腾环境配置、参数选型、代码编写？推荐大家试试 unsloth-buddy 这个零门槛的 LLM 微调技能工具。它支持 NVIDIA CUDA GPU 上的 Unsloth 和苹果 Apple Silicon 上的 mlx-tune，本地一站式自动完成环境搭建、LoRA微调（SFT、DPO、GRPO、视觉模型均支持）、效果评测和模型导出。主要特点：- 7步自动化工作流，包含任务调研、数据处理、环境检测、训练、评测、导出；- 智能访谈定制方案，帮你选对模型、训练方法和部署平台；- 支持 Qwen、Llama、Gemma 等主流模型，适配 Ollama、vLLM、HF Hub 等部署；- 苹果 M1~M4 机型友好，甚至能通过 Google Colab 免费云GPU扩展能力；- 可视化实时培训仪表盘，训练曲线一目了然；- 完整开源，MIT协议。不管你是有500条客服问答想做摘要微调，还是复杂多维度调参探索，unsloth-buddy都能带来极致顺滑体验。GitHub：github.com/TYH-labs/unsloth-buddy#AI开发# #大模型微调# #AppleSilicon# #NVIDIACUDA#

17. 折腾了一晚上，终于让 AI Agent 拥有了跨会话"长期记忆"openClaw 2026.4 新增 Memory Search，原理是把记忆文件向量化做语义检索。配置过程一言难尽① 文档路径写错。加进去直接 config invalid，网关启动失败。翻源码才找到正确路径② 索引建好了但 Agent 不调用。tools 白名单里没加 memory_search，Agent 手握指令却无工具可用③ Ollama 的 embedding 模型 5 分钟自动卸载。得用 keep_alive=-1 常驻，重启后还得重新预热。最后写了个 LaunchAgent 开机自动加载三个坑踩完，效果：飞书群聊 A 的结论，群聊 B 的 Agent 能通过语义搜索自动找回来。Webchat、微博 DM 也全部共享同一套记忆目前索引的是记忆文件（MEMORY.md、memory/*.md），Agent 会把重要信息自动写入。还有个进阶功能叫 session transcript indexing，能把每轮对话原文也编进向量库，不过先用基础版跑通再说方案：ollama + bge-m3 + tools 白名单 + 开机预热。一劳永逸#openclaw##aiagent#

18. 如何评价 Google 发布的开源大模型 Gemma4？使用体验怎么样？

19. 【跑本地模型，换个工具性能提升30%】快速导读：一篇在技术圈引起热议的帖子，揭示了一个普遍的误解：很多人以为自己电脑跑本地大模型卡顿是硬件不行，但大量一线玩家的真实经验是，仅仅把启动器从流行的Ollama换成更底层的llama.cpp，性能就能白拿30%以上的提升。你以为的硬件瓶颈，很可能只是工具瓶颈。---一个用户说，他起初用Ollama跑模型，体验很差，让他一度确信“我的电脑根本带不动更大的模型”——直到他换用llama.cpp，发现性能暴涨，原来电脑完全跑得动。这几乎是每个折腾本地模型的玩家都会经历的“旅程”。你以为在自己的MacBook或Windows笔记本上跑个9B（90亿参数）的模型，速度慢、响应迟钝是正常的，毕竟硬件有限。其实，一个正在被越来越多资深玩家确认的事实是：Ollama为了提供极致的便利性，牺牲了部分性能。它像一个精装修的样板间，拎包入住，但承重墙不是最优的。而llama.cpp是那个毛坯房，需要自己动手，却能挖出硬件的全部潜力。讨论中，不止一位用户报告，从Ollama切换到llama.cpp后，同一个模型、同一台机器，性能直接提升了30%。这个差异的背后，是封装带来的开销。Ollama本质上是在llama.cpp外面套了一层壳，负责模型管理、API服务等。这层“中间商”在带来便利的同时，也吃掉了性能。对于那些只想快速体验的用户，Ollama依然是最佳选择。但如果你开始严肃地将本地模型用于实际工作流——比如像原帖作者那样，用它来驱动一个自动化Agent系统处理文件、调用工具——那30%的性能就不是小事了。它决定了你的Agent是“可用”还是“好用”。一个有趣的现象是，许多人正是在Ollama上碰壁，才最终转向llama.cpp，并惊讶地发现自己的机器原来这么能打。所以，如果你也觉得自己的电脑跑本地模型力不从心，甚至因此放弃了尝试更大、更强的模型。不妨先问自己一个问题：限制你的，真的是那块显卡或那点内存吗？还是那个你以为最方便的工具？---简评：这再次验证了一个反直觉的道理：在任何前沿领域，最流行、最易上手的工具，往往不是性能最好的那个。它为你降低了入门门槛，但也悄悄给你设置了认知天花板。真正的“信息差”优势，往往藏在那些需要你多折腾一步的选项里。---ref: www.reddit.com/r/LocalLLaMA/comments/1rll349/ran_qwen_35_9b_on_m1_pro_16gb_as_an_actual_agent#AI创造营##人工智能#

20. Ollama 推出一指令安装OpenClaw，免费云端模型直接用，也支持本地模型

21. LightRAG 是一个简单快速的检索增强生成（RAG）框架，能高效整合大语言模型和知识图谱，实现智能文档查询和多模态检索。LightRAG支持多种存储方案（PostgreSQL、Neo4j、Milvus、OpenSearch等），支持文本、图片、表格、公式等多种数据类型的端到端知识抽取和问答。还提供了丰富的示例代码、Web UI，以及支持OpenAI、Hugging Face、Ollama、Azure OpenAI等多家模型接口。项目亮点：- 灵活配置的多存储架构，适合大规模知识管理；- 深度集成知识图谱构建与编辑，支持实体关系管理、知识图谱可视化；- 支持强大的Reranker提升检索效果；- 新增RAG-Anything，打通多模态文档处理与检索能力；- 丰富文档导入格式、引用功能、缓存管理、Token使用统计；- 还支持Langfuse可观测性监控以及RAGAS自动评价指标。无论是科研研究、企业知识库、还是多模态智能问答应用，LightRAG都提供了极具扩展性且高性能的解决方案。GitHub：github.com/HKUDS/LightRAG#在线智能检索# #知识图谱# #大语言模型# #RAG# #开源项目#

22. 本地部署方案深度对比

23. 本地部署 AI 大模型横评

24. 别乱装大模型部署工具！Ollama/llama.cpp/LMStudio不是一回事！

25. 大模型本地运行工具对比

26. Ollama

27. 本地LLM部署工具（写给小白的LLM工具选型系列

28. 【大模型本地部署工具横评】Ollama vs LM Studio｜token/s 对比 + 推理性能 & 调度实测

29. 4月2日-谷歌 Gemma 4 深夜突袭！31B 模型击败大 20 倍对手，教你用 Ollama 本地部署并接入 OpenClaw

30. 超强，如何在本地运行 Gemma 4！！

31. Gemma 4本地部署教程！

32. 谷歌最强开源模型Gemma 4发布！Ollama 本地部署指南与硬件选购指北

33. ollama超强本地部署gemma4，保姆教学

34. Ollama + Gemma 4 全面指南

35. Gemma 4来了普通人离真正好用的本地AI又近了一步

36. Google Gemma 4开源领跑

37. Ollama v0.20.5 发布

38. Gemma 4本地部署🔥零成本跑AI

39. 一键跑通Gemma 4全系模型！Ollama 直接拉满，Claude Code/Codex/OpenClaw 全部支持！

40. 谷歌正式发布 Gemma 4

41. 谷歌最强开源大模型Gemma 4，支持多模态、离线运行

42. 无需云服务器！Gemma 4+Ollama本地部署，免费解锁 multimodal

43. HuggingFace｜Gemma 4

44. Gemma 4 全系列本地部署指南

45. 最强多模态小模型 Gemma 4 开源，Mac Mini 成为最佳性价比的 AI 电脑

46. 手机都能部署的最新Gemma 4模型你还不会装？我给你四个安装方案！还不快来试试

47. Gemma 4深度解析

48. 零成本使用Token！谷歌Gemma4「本地部署」保姆级教程

49. 我把Gemma 4放进iPhone里跑了

50. 谷歌 Gemma 4 本地实测｜笔记本 + 台式机双平台

51. Gemma 4 模型详解

52. 我靠，手机上跑 Gemma 4 ？假的吧？

53. 不用云端、不花一分钱！Ollama一键部署Gemma4 + Qwen3.5

54. 手机远程操控Mac本地LLM！Ollama+OpenWebUI实操

55. Chrome 集成本地 AI 大模型 Gemma 4，最强开源模型塞进浏览器

56. Ollama+OpenWebUI 最佳组合

57. Byte for Byte，谷歌开源最强模型Gemma 4 杀入手机端

58. 2B开源模型手机养虾，谷歌Gemini 3技术下放

59. Gemma 4开源！整整一年，谷歌终于想明白了！！！

60. 只需 3 个步骤，即可通过 OpenClaw(龙虾) 在本地运行 Gemma 4

61. Google Gemma 4发布，手机到工作站全覆盖，开源商用全面放开

62. 低成本养虾？Gemma 4 本地部署实测

63. 生猛的Gemma 4，能配合OpenClaw一起玩么？我在mac mini试了，不太行

64. 企业级Harbor镜像仓库部署指南

65. Docker 容器化深度实践（第13篇）之私有镜像仓库 Harbor 部署

66. Harbor

67. 27.8k Star！Harbor 企业级镜像仓库，再也不用担心 Docker Hub 限速！

68. 01 | 在 K8S 上部署高可用 Harbor 集群

69. Gemma4 vs Qwen3.5 本地实战部署全解析！谁才是平民硬件最优解？

70. Gemma-4 发布了！！！。2026年开源大模型圈炸了！

71. 2026年本地部署大模型对决

72. 手把手教你用Mac本地部署大模型！Ollama+Gemma4+Qwen3.5，新手也能秒上手

73. 实测对决

74. Gemma4本地龙虾部署体验

75. 有人对比测试了Qwen3.5和Gemma4的工具调用能力，看看哪家强

76. Gemma 4 vs Qwen 3.5

77. Gemma 4三种部署实测对比，手机电脑Chrome全避坑

78. 零成本养虾！谷歌 Gemma 4「本地部署」保姆级教程，三步搞定

79. Mac 安装 Gemma4 开源模型｜2种方法（新手零失败，避坑指南）

80. 本地部署 Gemma 4_10G 显存内最好用的多模态小模型

81. openclaw本地部署大模型实战

82. 16G 显存本地部署大模型怎么选？ Qwen3.5-35B还是Gemma-4-26b

83. 巅峰对决

84. Gemma 4 31B vs Qwen 3.5 27B实测

85. 我使用 Codex CLI 运行 Gemma 4 本地模型

86. Google Gemma 4 正式发布：开源模型的又一次飞跃

87. Gemma 4 本地部署保姆级教程

88. ollama v0.20.0 更新：Gemma 4 全家桶发布，音频、视觉、MoE、BPE 支

89. 【黑板风格】Gemma4 本地部署完全指南

90. ollama v0.20.0 更新：Gemma 4 全家桶发布，音频、视觉、MoE、BPE 支持全面升级

91. Ollama快速入门

92. 重磅突破！Gemma 4本地RL训练落地，仅需9GB VRAM

93. Llama 3/Qwen 2本地化部署： Ollama、vLLM、TensorRT-LLM性能与资源占用深度对比

94. 原生的llama.cpp服务器简单部署指南（适用于Windows用户） - 哔哩哔哩

95. gemma4本地部署教程，对接openclaw、vscode、codex、Claude Code实现token自由，ollama一键部署

96. Gemma 4 E4B + OpenClaw 新版：本地大模型部署再升级！

97. 谷歌Gemma 4开源杀疯！仅小体量，完胜13倍大的Qwen3.5

98. Ollama v0.20.6：Gemma 4 工具调用优化与集成生态扩展

99. 【保姆级教程】正确使用 Ollama + OpenWebUI：3 个真实任务 + 可复制模板

100. Gemma 4首测！26B专家模型仅激活4B参数，低配电脑秒开，开源Top3！

101. 【本地部署api】吊打同参数规模？谷歌 Gemma 4 震撼发布，本地运行竟能如此丝滑！

102. 保姆级教程：WSL 安装 Ollama，本地免费跑开源大模型

103. Gemma4大模型开源！Google针对工作流优化，已是消费级本地部署最优选择

104. ollama v0.17.5正式发布：新增Qwen3.5系列模

105. ollamav0.14.2更新：新增Tr.ollama v0.14.2 更新：新增TranslateGemma翻译模型、支持55种语言、CLI优化与MLX构建指南发布！一、全新模型：TranslateGemma开放多语言翻译支持 Ollama v0.14.2推出了全新TranslateGemma模型系列。这一系列翻译模型基于Gemma 3架构构建，支持55种语言互译，旨在帮助全球用户打破语言壁障，实现跨语言交流。 TranslateGemma是Ollama针对跨语言任务优化的一类开放模型，标志着Ollama在多语言理解和生成能力上的进一步扩展。二、功能优化与改进 1. CLI交互优化 —— 支持多行输入 Ollama命令行（CLI）现在新增了更简洁直观的交互方式： • 按下 Shift + Enter 可换行输入； • 普通 Enter 键则用于发送消息； • 在交互模式中增加了新提示：“Press Enter to send”，让多行输入更自然。这一改进使开发者编写长指令或复合Prompt更加方便，提升人机交互体验。 2. /v1/responses API优化 Ollama进一步改进了/v1/responses接口，使其更好地符合OpenResponses规范。该更新提升了API一致性与兼容性，对于使用Ollama搭建AI应用服务的开发者而言，这意味着更高的稳定性与标准化支持。 #福大大架构师每日一题 #大模型

106. Ollama 命令操作手册

107. OpenClaw使用Ollama部署本地向量

108. LM Studio vs Ollama：如何选择最适合的本地 AI 工具？

109. Ollama v0.20.5 更新日志

110. ollama v0.20.4 正式发布！MLX 性能大幅提升， Gemma4 闪光注意力全面

111. [中配]Gemma 4 E4B + Ollama + OpenClaw：免费本地运行 - Fahd Mirza

112. 《人工智能基础》【工具篇5]：Ollama从入门到精通

113. 谷歌Gemma 4模型如何安装到本地电脑操作教程

114. 从 RTX 到 Spark：NVIDIA 为本地代理式 AI 加速 Gemma 4

115. 【凑个热闹】hermes本地模型配置说明（不烧token的也可以玩）

116. gemma4 for mac

117. Gemma 4 26B 我先替大家本地跑了一遍~ 结论先放前面：真的快！因为是MoE A4B 架构，每次启动只会加载4B的模型，所以装之前我知道应该比较快，但装完测试没想到这么快，而且还是多模态，有点东西的。这次视频里我主要测了 3 件事。第一件事是响应速度。这个不用多解释，大家看画面基本就能感受到。对本地模型来说，快不快，几乎直接决定了你后面还愿不愿意继续用。第二件事是逻辑理解。我拿一个经典陷阱题去试它：1+1=3 为什么成立。这个问题测的不是算术，而是它能不能理解提问背后的语境。结果看下来，它不是那种很机械的回答方式，而是会顺着问题去找成立条件，这一点加分。第三件事是图片识别。着重测了它的多模态能力。现在很多模型都在讲自己支持图像，但“支持”和“真能用”之间差别很大。Gemma 4 26B 至少说明了一点：它不只是个聊天模型，图片理解这块能力是真的能打的。先发这条，给大家看第一轮真实体验，我后面还会继续测 31B，也会接进 OpenClaw 看看工具调用和多步骤任务表现怎么样。 #gemma4 #google #本地部署 #开源模型 #OpenClaw

118. 告别 Docker Hub 依赖！从零部署高可用 Harbor 私有镜像仓库

119. 本地部署离不开它们：本地部署的LLM推理平台

120. Ollama安装

121. M1 Max换M5 Max值吗？实测LLM运行差距，Qwen3.5比Gemma 4香太多

122. 企业级私有docker镜像仓库Harbor的搭建和使用

123. ollama安装、模型安装

124. 谷歌最强开源模型Gemma 4 被越狱本地版部署教程+安装包下载

125. ollama本地安装及使用

126. 谁说 Mac 只能写代码？Google 官宣：M 芯片本地微调 Gemma 4 时代开启！

127. Gemma4深度解析：Google最强开源大模型，架构、跑分与核心设计全览

Ollama跑Gemma虽快，但企业协作必须上Harbor，否则半夜被叫醒的是你

精选参考来源