FreeToken引擎发布

伯克利和得克萨斯大学推出FreeToken，新引擎可在普通设备上运行大型开源模型。8GB游戏本跑35B模型达39.3 tokens/秒，快于生产环境中的Codex。

打开网易新闻 查看精彩图片

专家缺失率大幅下降

FreeToken让GPU缓存跟随路由请求，将专家缺失率从llama.cpp的62%降至16%，其余按PCIe和内存速度比例分配。