ConwAI
摘要
ConwAI 是一个自定义的 5 亿参数 AI 模型,经过五个月开发,具备自我学习能力和独特个性,本地运行在 iMac 上。
大家好,过去五个月里,我一直在开发一个自定义 AI 模型,主要有两个目标:自我学习能力,独特个性。没错,这就是成果!它是一个超轻量级的 5 亿参数模型,在我卧室的 iMac 上本地运行,哈哈。不管怎样,快来瞧瞧吧,告诉我你的想法:https://conw.ai
相似文章
@PrajwalTomar_:这有点疯狂。我造了一个完全离线运行的 AI,可以关掉 WiFi 也照样工作……
一名开发者在 Mac mini 上打造了一个完全离线的 AI 助手,使用 3B 参数模型,可以通过语音输入诊断并修复代码错误,API 成本为零且无需联网,并分享了完整搭建过程和代码仓库。
@DeRonin_: 我目前的本机AI配置:- 2x DGX Spark 链接 (256gb) > GLM 5.2 @ 2bit, 推理 + 代理循环 - Mac Studio M3 Ultr…
一位用户描述了他们完全本地的AI堆栈,使用多个硬件设备运行GLM、Qwen和Kimi等中国模型,声称相比GPT-5.5和Opus 4.8等前沿模型节省了87%的成本,同时提到了自托管视频生成的计划。
我在M4 Pro Mac Mini上的本地模型设置
作者描述了他们在M4 Pro Mac mini上的本地AI模型设置,使用诸如Qwen和Gemma的模型,配合oMLX和Tailscale等工具,以实现数据隐私、成本可预测性和离线能力。
我用 GWT、IIT 代理、ChromaDB 混合检索和 Ollama 回退构建了一个本地 AI 伴侣——以下是我所做的每个架构决策及其原因
作者分享了一个使用 Python、Gemini 和 Ollama 构建的可本地运行的 AI 伴侣,其特色是基于全局工作空间理论和集成信息理论代理的定制认知架构,用于人格建模。
云AI突击:使用本地AI的真实开发工作(Ornith 1.5 35b-a3b 和 Qwen 3.8-27b;8GB显存 vs 32GB显存)
作者分享了在有限硬件上使用像Ornith 1.5 35b-a3b和Qwen 3.8 27b这样的本地AI模型进行开发任务的实际经验,展示了它们在编码和故障排除方面的能力。