Qwythos-9B 震撼发布：4GB 显存畅玩 104 万超长上下文
这两天大模型社区突然被一个名字刷屏了——Qwythos-9B。
在各类技术群里，甚至流传着“Claude 被开源了”的夸张说法。作为常年泡在 Hugging Face 和 GitHub 的大模型深度成瘾患者，我第一时间去扒了技术细节。虽然“Claude 开源”只是个噱头（Anthropic 怎么可能把家底开源），但 **Qwythos-9B** 本身展露出的技术特性，确实称得上是开源界的一匹绝对黑马！
104万（1M+）超长上下文、完全无审查（Uncensored）、4GB 显存即可丝滑运行**…… 每一个标签都精准踩在了个人开发者和极客的爽点上。今天这篇博文，带大家深度拆解这个神秘新星，并附上本地保姆级部署教程！
Qwythos-9B 三大逆天核心特性
1. 104万超长上下文（Context Window）
长文本处理一直是闭源大模型（如 Claude 3.5 Sonnet、Gemini 1.5 Pro）的护城河。而 Qwythos-9B 作为一款 9B（90亿参数）的轻量级模型，竟然原生或通过位置编码扩展（如 YaRN 或 Dynamic NTK-aware RoPE）支持到了 **104 万 Token**！
这意味着什么？ 你可以一次性把一整本 50 万字的小说，或者整个中型项目的源代码库全部丢给它，让它帮你做全局代码审计或长文本翻译。
2. 极低硬件门槛：4GB 显存就能跑
以往动辄几十 G 的上下文需要堆叠多张显卡。而 Qwythos-9B 配合最新的 **GGUF 4-bit 量化**或者 **AWQ 技术**，在启动时竟然只需要大约 4GB 左右的显存！
老显卡狂喜： 哪怕你手里只是几年前的 GTX 1660 Ti，甚至是带有统一内存的 Mac M1 Base 版，都能在本地流畅体验。
3. 完全=（Uncensored）
不少开发者在使用 Claude 或 GPT 搞些特定领域的开发（比如限制级剧本杀、复杂的网络安全渗透测试安全攻防模拟）时，经常被大模型的“道德说教”拒之门外。
Qwythos-9B 在对齐阶段去除了过度敏感的审查机制，成了极客们最爱的“完全体工具”。
阅读全文：
https://freenovo.com/archives/Qwythos-9B-4GB-104.html
这两天大模型社区突然被一个名字刷屏了——Qwythos-9B。
在各类技术群里，甚至流传着“Claude 被开源了”的夸张说法。作为常年泡在 Hugging Face 和 GitHub 的大模型深度成瘾患者，我第一时间去扒了技术细节。虽然“Claude 开源”只是个噱头（Anthropic 怎么可能把家底开源），但 **Qwythos-9B** 本身展露出的技术特性，确实称得上是开源界的一匹绝对黑马！
104万（1M+）超长上下文、完全无审查（Uncensored）、4GB 显存即可丝滑运行**…… 每一个标签都精准踩在了个人开发者和极客的爽点上。今天这篇博文，带大家深度拆解这个神秘新星，并附上本地保姆级部署教程！
Qwythos-9B 三大逆天核心特性
1. 104万超长上下文（Context Window）
长文本处理一直是闭源大模型（如 Claude 3.5 Sonnet、Gemini 1.5 Pro）的护城河。而 Qwythos-9B 作为一款 9B（90亿参数）的轻量级模型，竟然原生或通过位置编码扩展（如 YaRN 或 Dynamic NTK-aware RoPE）支持到了 **104 万 Token**！
这意味着什么？ 你可以一次性把一整本 50 万字的小说，或者整个中型项目的源代码库全部丢给它，让它帮你做全局代码审计或长文本翻译。
2. 极低硬件门槛：4GB 显存就能跑
以往动辄几十 G 的上下文需要堆叠多张显卡。而 Qwythos-9B 配合最新的 **GGUF 4-bit 量化**或者 **AWQ 技术**，在启动时竟然只需要大约 4GB 左右的显存！
老显卡狂喜： 哪怕你手里只是几年前的 GTX 1660 Ti，甚至是带有统一内存的 Mac M1 Base 版，都能在本地流畅体验。
3. 完全=（Uncensored）
不少开发者在使用 Claude 或 GPT 搞些特定领域的开发（比如限制级剧本杀、复杂的网络安全渗透测试安全攻防模拟）时，经常被大模型的“道德说教”拒之门外。
Qwythos-9B 在对齐阶段去除了过度敏感的审查机制，成了极客们最爱的“完全体工具”。
阅读全文：
https://freenovo.com/archives/Qwythos-9B-4GB-104.html
本地部署千问Qwen3.6-35B-A3B 开源AI大模型
Qwen3.6-35B-A3B是通义千问团队开源的稀疏MoE大模型（总参35B，激活仅3B），Apache 2.0协议。首开Qwen3.6系列权重，智能体编程能力显著提升，支持多模态思考/非思考模式，原生262K上下文，视觉语言性能媲美Claude Sonnet 4.5。
Qwen3.6-35B-A3B 是一个带视觉编码器的因果语言模型，经过预训练与后训练两个阶段。架构层面，模型包含 40 层，隐藏层维度 2048，采用混合注意力设计：每 10 个重复单元中，包含 3 个门控 DeltaNet（线性注意力）层与 1 个门控注意力层，均接 MoE 前馈网络。MoE 部分共 256 个专家，每次激活 8 个路由专家加 1 个共享专家，专家中间层维度为 512。模型采用多步预测（MTP）训练，原生支持 262,144 tokens 上下文，可扩展至 1,010,000 tokens。
Qwen3.6-35B-A3B：35B 总参数，每次只激活约 3B，也就是说：并不是所有参数同时参与推理.
因此GPU 不需要一次性加载完整 35B ，再结合 llama.cpp 的：CPU Offload ；就能实现：GPU 跑注意力层、RAM 跑专家层。这也是：8G VRAM 成功运行 35B 的原因！
本地一键部署教程（LLama.cpp）
下载
模型下载
视觉映射文件
Qwen3.6 多模态模型在本地部署时，必须搭配 mmproj 视觉投影器（Vision Projector）。如果缺少该文件，会导致多模态功能失效，出现图片上传按钮呈灰色、无法识图或 Vision 模块不工作等问题。
运行一键启动脚本
新版llama-server提供了--fit on这种自动适配参数。
阅读全文：
https://freenovo.com/archives/Qwen3-6-35B-A3B-AI.html
Qwen3.6-35B-A3B是通义千问团队开源的稀疏MoE大模型（总参35B，激活仅3B），Apache 2.0协议。首开Qwen3.6系列权重，智能体编程能力显著提升，支持多模态思考/非思考模式，原生262K上下文，视觉语言性能媲美Claude Sonnet 4.5。
Qwen3.6-35B-A3B 是一个带视觉编码器的因果语言模型，经过预训练与后训练两个阶段。架构层面，模型包含 40 层，隐藏层维度 2048，采用混合注意力设计：每 10 个重复单元中，包含 3 个门控 DeltaNet（线性注意力）层与 1 个门控注意力层，均接 MoE 前馈网络。MoE 部分共 256 个专家，每次激活 8 个路由专家加 1 个共享专家，专家中间层维度为 512。模型采用多步预测（MTP）训练，原生支持 262,144 tokens 上下文，可扩展至 1,010,000 tokens。
Qwen3.6-35B-A3B：35B 总参数，每次只激活约 3B，也就是说：并不是所有参数同时参与推理.
因此GPU 不需要一次性加载完整 35B ，再结合 llama.cpp 的：CPU Offload ；就能实现：GPU 跑注意力层、RAM 跑专家层。这也是：8G VRAM 成功运行 35B 的原因！
本地一键部署教程（LLama.cpp）
下载
模型下载
视觉映射文件
Qwen3.6 多模态模型在本地部署时，必须搭配 mmproj 视觉投影器（Vision Projector）。如果缺少该文件，会导致多模态功能失效，出现图片上传按钮呈灰色、无法识图或 Vision 模块不工作等问题。
运行一键启动脚本
新版llama-server提供了--fit on这种自动适配参数。
阅读全文：
https://freenovo.com/archives/Qwen3-6-35B-A3B-AI.html
本地部署Ideogram 4免费AI图片生成模型
Ideogram 4（或称 Ideogram 4.0） 是由 Ideogram 公司于2026年6月3日发布的全新一代开放权重文本到图像（文生图）生成模型。它被称为当时全球顶尖的开源生图AI之一，媲美 GPT-Image / Midjourney，特别以精准的图内文字渲染和极高的设计可控性闻名。
一、 硬件与环境准备
系统环境：Windows 10/11 或Linux，安装有最新的Nvidia显卡驱动。
显存要求：8GB VRAM（需配合量化技术和内存优化参数）。
软件依赖：推荐使用 ComfyUI 作为推理前端界面。
二、 部署步骤（基于 ComfyUI）
安装 ComfyUI：
下载并解压
下载模型权重：
前往下载量化好的模型文件将其放置在ComfyUI/models/目录下.
diffusion_models/ideogram4_fp8_scaled.safetensors（负责处理提示字与排版）
diffusion_models/ideogram4_unconditional_fp8_scaled.safetensors（负责大幅提升画质）
text_encoders/qwen3vl_8b_fp8_scaled.safetensors（读取JSON或文字）
vae/flux2-vae.safetensors （vae/图像解码器）（与Flux模型通用）
下载工作流：
二、 运行
为了防止8GB显存直接爆掉（CUDA Out of Memory），请务必检查以下两点：
启动参数：确保你的run_nvidia_gpu.bat文件的第一行包含了 --lowvram --fp8_e4m3fn。
虚拟内存：如果你的电脑物理内存（RAM）是 16GB，请务必把Windows的虚拟内存并且设置32GB-64GB。因为在跑图时，ComfyUI会不断在显存和内存之间交换这20GB的模型数据。
运行run_nvidia_gpu.bat把这个工作流文件拖进ComfyUI浏览器网页即可.
阅读全文：
https://freenovo.com/archives/Ideogram-4-AI.html
Ideogram 4（或称 Ideogram 4.0） 是由 Ideogram 公司于2026年6月3日发布的全新一代开放权重文本到图像（文生图）生成模型。它被称为当时全球顶尖的开源生图AI之一，媲美 GPT-Image / Midjourney，特别以精准的图内文字渲染和极高的设计可控性闻名。
一、 硬件与环境准备
系统环境：Windows 10/11 或Linux，安装有最新的Nvidia显卡驱动。
显存要求：8GB VRAM（需配合量化技术和内存优化参数）。
软件依赖：推荐使用 ComfyUI 作为推理前端界面。
二、 部署步骤（基于 ComfyUI）
安装 ComfyUI：
下载并解压
下载模型权重：
前往下载量化好的模型文件将其放置在ComfyUI/models/目录下.
diffusion_models/ideogram4_fp8_scaled.safetensors（负责处理提示字与排版）
diffusion_models/ideogram4_unconditional_fp8_scaled.safetensors（负责大幅提升画质）
text_encoders/qwen3vl_8b_fp8_scaled.safetensors（读取JSON或文字）
vae/flux2-vae.safetensors （vae/图像解码器）（与Flux模型通用）
下载工作流：
二、 运行
为了防止8GB显存直接爆掉（CUDA Out of Memory），请务必检查以下两点：
启动参数：确保你的run_nvidia_gpu.bat文件的第一行包含了 --lowvram --fp8_e4m3fn。
虚拟内存：如果你的电脑物理内存（RAM）是 16GB，请务必把Windows的虚拟内存并且设置32GB-64GB。因为在跑图时，ComfyUI会不断在显存和内存之间交换这20GB的模型数据。
运行run_nvidia_gpu.bat把这个工作流文件拖进ComfyUI浏览器网页即可.
阅读全文：
https://freenovo.com/archives/Ideogram-4-AI.html
iOS通过HTTPS解密定位到世界任何角落
通过代理软件的HTTPS解密功能，把Apple地图定位到世界任何角落。
iPhone通过Wi-Fi信号和基站信号获取 BSSID 列表，然后向 Apple 服务器查询这些设备的位置。Apple 返回坐标清单，iOS 根据这些坐标计算当前位置。
这个工具做的事情很简单，拦截Apple返回的坐标数据，将其替换为你指定的位置坐标。iPhone拿到改造过的坐标后，就会认为自己在你指定的位置。
参考坐标：
地点 latitude（纬度） longitude（经度）
上海外滩 31.2397 121.4900
广州塔 23.1066 113.3245
东京塔 35.6586 139.7454
项目地址：https://github.com/mekos2772/ios-location-spoofer
阅读全文：
https://freenovo.com/archives/iOS-HTTPS.html
通过代理软件的HTTPS解密功能，把Apple地图定位到世界任何角落。
iPhone通过Wi-Fi信号和基站信号获取 BSSID 列表，然后向 Apple 服务器查询这些设备的位置。Apple 返回坐标清单，iOS 根据这些坐标计算当前位置。
这个工具做的事情很简单，拦截Apple返回的坐标数据，将其替换为你指定的位置坐标。iPhone拿到改造过的坐标后，就会认为自己在你指定的位置。
参考坐标：
地点 latitude（纬度） longitude（经度）
上海外滩 31.2397 121.4900
广州塔 23.1066 113.3245
东京塔 35.6586 139.7454
项目地址：https://github.com/mekos2772/ios-location-spoofer
阅读全文：
https://freenovo.com/archives/iOS-HTTPS.html