我没料到 DwarfStar 4（https://github.com/antirez/ds4）会这么快就这么受欢迎。显然，大家确实需要一种专注于单模型集成的本地 AI 体验，而几件事恰好同时发生了：一个足够大、又足够快的准前沿模型的发布，足以改变本地推理的游戏规则；再加上它与极度不对称的 2/8 bit 量化方案配合得极好，以至于 96 或 128GB 内存就足以运行。当然，还有过去几年本地 AI 运动积累的所有经验，而得益于 GPT 5.5，这些经验得以被更快地利用起来（否则不可能在一周内做出 DS4——即便有这些帮助，你也得懂得如何温和地跟大模型对话）。

过去一周既有意思又让人疲惫，我平均每天工作 14 个小时。我平时的节奏自 Redis 早期以来就是每天 4 到 6 小时，不过 Redis 头几个月也是这样。

那么，接下来呢？这个项目会随着 DeepSeek v4 Flash 有始有终吗？不会，模型会随着时间而变化。在我的设想里，这个位置将由当前在高端 Mac 或“盒装 GPU”设备（比如 DGX Spark 以及其他类似设备）上*真正跑得动*的最强开源权重模型来占据。我敢打赌，下一个竞争者仍然是 DeepSeek v4 Flash 本身——即将发布的新 checkpoint，以及有望推出的专门为编程优化的版本，天知道，或许还会有其他的专家变体（不是 MoE 里 expert 的那种含义）。对于本地推理而言，拥有 ds4-coding、ds4-legal、ds4-medical 这样的模型其实非常合理。毕竟，你只需根据问题加载需要的模型就行。

自我开始折腾本地推理以来（从一开始就在玩），这是第一次发现自己会用本地模型来处理那些原本会去问 Claude / GPT 的正经事。我觉得，这真的是一件大事。这也是第一次，通过向量引导，我得以体验到一种可以更自由地使用 LLM 的方式。DeepSeek v4 Flash 确实是一个令人印象深刻的模型，这一点毋庸置疑。如果把小而好用的本地模型体验想象成 A，把你在线使用的前沿模型想象成 B，那么 DS4 要比 A 更接近 B 得多。老实说，我已经等不及看到后续的新版本了（顺便，感谢 DeepSeek）。

所以，在经历了最初那几天的混乱之后，我希望项目能聚焦于：质量基准测试、可能加入一个同样作为项目组成部分的编程智能体、在我家里搭建一套能够运行 CI 测试的硬件环境以保证长期质量、更多的移植版本，最后但同样非常重要的一点：分布式推理（包括串行和并行）。

暂时就说这些，感谢大家的支持：真的非常感激 :) AI 太过重要，不能仅仅作为一项被提供的服务而存在。