MacBook网络上的去中心化推理
摘要
本文介绍了darkbloom,这是一个在MacBook上实现去中心化AI推理以赚取被动收入的项目,包括作者的初步测试和对其可行性和安全性的思考。
有一个新项目叫做darkbloom(我与它无关),你可以将你的MacBook连接到一个网络,并通过它来运行推理。根据运行时长和效率等因素,你每月可以在MacBook上赚取大约200到500美元。直觉上,这感觉像是一个应该可行或存在的东西,并且具有去中心化经济所提供的经济学优势,前提是它被正确地组织。显然,安全性是一个重要因素。我是通过Twitter上一位备受尊敬的初创公司创始人了解到它的,并且他们网络的代码在GitHub上是公开的——他们是这么说的——我看到了仓库但并没有真正验证等。我确实尝试运行它——将我的笔记本电脑连接到网络非常简单(MacBook M1 Pro,32GB内存,512GB硬盘)——只花了5分钟,相当容易……不幸的是,下载模型后我的硬盘只剩3GB空间,所以后来删除了它们,但似乎可以运行……我还读到一些推文,说一些真实或知名的人将大约5到6台闲置的Mac Pro连接到它上面等。你们对此有什么看法?
相似文章
本地模型优化(3 分钟阅读)
本文分析了在 MacBook Pro 上本地运行 AI 推理的可行性,对比了本地 Qwen 35B 模型与云端 Claude Opus 4.5。结论是,对于常规任务,本地模型速度快 2 倍,尽管在能力上略有差距,但仍是日常工作量中一半任务的实用选择。
Mac 用于本地 LLM 和 Openclaw - 我希望早知道的事
一位用户分享了在 Mac 上运行本地 LLM 的经验,指出与 Nvidia GPU 相比,AI 代理的提示处理较慢,并建议除非隐私问题,否则使用 Deepseek 等云端模型。
@0xCristal: https://x.com/0xCristal/status/2068280221954961731
本文介绍了一台运行六个AI代理(24/7不间断)的配置,设备是Minisforum MS-S1 Max迷你工作站,搭载AMD Ryzen AI Max+ 395芯片,每月电费仅11美元。文章强调从云端API成本转向本地推理,实现始终在线的代理,用于邮件分类、研究监控和文档处理等任务。
@cpaik: 开源设备端多模型推理
一款用于在本地设备上运行多个AI模型推理的开源工具,可提升设备端AI部署效率。
@yoheinakajima: 在你的 Mac 上运行本地模型,流式传输到你的手机
RunAnywhere 使用户能够在 Mac 上运行 AI 模型,并通过本地网络一键设置将推理流式传输到 iPhone,避免云依赖以实现低延迟。