#本地部署
Unsloth Desktop 来了：不写代码微调，显存门槛在哪
Unsloth 原本是给开发者用的微调库，现在有了桌面端安装包。它把 LoRA 微调做成界面操作，但显存需求没变——7B 模型微调仍然要 16GB 级显卡起步。
Chatbox 是干什么的：一个客户端壳，模型和 Key 自己填
Chatbox 不提供模型，只提供界面。装完之后要自己填 API Key，或者指向本机的模型服务。它的价值在于轻、跨平台、支持本地模型，代价是所有配置都要自己来。
Jan 本地大模型客户端：离线能用，模型要自己备
Jan 把 llama.cpp 包进图形界面，断网也能对话。取舍很明确：不绑定云服务，所以模型、显存、下载都得自己解决。10 月 28 日的 v0.8.8 主要修安全问题，并给本地 API 加了来源校验。
LocalAI 是什么：OpenAI 接口兼容，先把这个补丁打上
LocalAI 的价值不在界面上，而在接口：它把本地模型包装成 OpenAI 兼容的 /v1 端点，现有代码改个 base_url 就能切过来。10 月 23 日的 v4.12.1 只做了一件事——修一个用户可控 URL 的安全问题。
KoboldCpp 下载哪个版本：exe、nocuda 和安卓版怎么选
KoboldCpp 把推理引擎、网页界面和图像语音生成塞进一个可执行文件，双击就能用。代价是版本分支多：CUDA、nocuda、oldpc、mac-arm64，选错了直接报错。这篇按显卡类型给出选择顺序。
llama.cpp 部署 Windows：预编译包和自编译怎么选
llama.cpp 是很多本地模型软件的底层引擎，但它自己也能直接用。Windows 上不必装 Visual Studio，官方每次构建都发预编译包，选对后端解压就能跑。这篇讲清包怎么挑、模型从哪来、显存不够时调什么。
Ollama 是什么：本地部署大模型，先分清服务和客户端
Ollama 装完不会给你聊天窗口，它只在本机起一个模型服务，把 11434 端口开给别的软件用。这篇说清它到底做了什么、适合谁、11 月这版改了什么，以及第一次安装最容易卡住的三个地方。
GLM-5 的 744B 参数：MoE、200K 上下文与许可
GLM-5 是 744B 总参数、约 40B 激活的 MoE 模型，200K 上下文，MIT 许可。参数不直接决定体验，激活量和上下文才决定成本结构，这篇逐个数字拆。
Kimi K3：2.8T 参数、1M 上下文与 1.56TB 权重
把 K3 的四个关键数字分开解释，说明 1.56TB 是下载体积而不是显存占用、104B 激活参数意味着什么，以及这些参数对普通用户有没有感知。
DeepSeek 开源许可能商用吗：MIT 的边界和三个前提
能商用，不绑用户数、不绑收入、不用申请。但 MIT 只免掉版权这一层，商标、专利、模型输出的责任都还留在使用方身上，三个前提要逐条核对。
DeepSeek 本地部署要多少显存：510GB 权重和三档现实路线
官方权重约 510GB，最小量化版仍有 113GB。先统一参数量口径，再按全 GPU、SSD 流式、小模型三条路线判断你的机器够不够。
千问电脑版：Windows、Mac、鸿蒙三端的差异和同步边界
三个桌面端功能不同，同步能力也不同。本文对照 Windows、macOS、鸿蒙电脑的安装来源与能力差异，说明手机遥控电脑怎么用，以及哪些东西根本不同步。