我没想到 DwarfStar 4 (https://github.com/antirez/ds4) 会这么快就变得如此受欢迎。显然，人们确实需要一种以单一模型集成为核心的本地 AI 体验，而几件事恰好同时发生了：一个足够大、足够快、足以改变本地推理格局的 quasi-frontier model(准前沿模型)的发布，以及它与一种极其不对称的 2/8 bit 量化方案配合得极好，使得 96 或 128GB 的 RAM 就足以运行它。当然还有：近年来本地 AI 运动所积累的所有经验，而得益于 GPT 5.5，这些经验得以被更迅速地利用（否则你不可能在一周内做出 DS4——即便有这些帮助，你也得知道如何温和地与 LLMs 对话）。

过去一周既有趣又让人疲惫，我平均每天工作 14 小时。自 Redis 早期以来，我平时的平均工作时间是 4 到 6 小时，不过 Redis 刚起步的那几个月也是这样。

那么，接下来呢？这是一个始于 DeepSeek v4 Flash 也止于它的项目吗？不是的，模型会随着时间而变化。在我的设想中，这个位置将由当前在高端 Mac 或“盒子里的 GPU”设备（比如 DGX Spark 以及其他类似配置）上真正跑得快的最佳开放权重模型来占据。我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——希望如此——一个专门为编程调优的版本，谁知道呢，也许还会有其他专家变体（不是指 MoE 中的专家）。毕竟，对于本地推理而言，拥有 ds4-coding、ds4-legal、ds4-medical 这样的模型是非常有意义的。你只需根据问题加载你需要的模型即可。

自我开始接触本地推理以来（我从一开始就在玩这个），这是我第一次发现自己会用本地模型去处理那些原本会交给 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 vector steering(向量引导)，我得以享受一种能更自由地使用 LLM 的体验。DeepSeek v4 Flash 确实是一个令人印象深刻的模型，毫无疑问。如果你能在脑海中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。说真的，我已经迫不及待想看到新的发布了（顺便说一句，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，可能会增加一个同样作为项目一部分的编程智能体，我家里一套可以运行 CI 测试以确保长期质量的硬件环境，更多的移植版本，最后但非常重要的一点：distributed inference(分布式推理)（包括串行和并行）。

就目前而言，感谢大家的所有支持：真的非常感激 :) AI 太过关键，不能仅仅作为一项被提供的服务而存在。