--- title: "🧪 321B 的 GLM-5.3-Flash 單卡塞不下，但這顆 9B 熱度衝到 113｜地端 AI 實驗室" description: "GLM-5.3-Flash 在 Hugging Face 上 6.3M 次下載、3.1k 讚、MIT 授權，頁面標示 321B 參數，官方 model card 還特地開了一節「Serve GLM-5.3-Flash Locally」教你自架，但單張消費級顯卡大概是塞不下的。" canonical_url: "https://blog.markkulab.net/local-ai-lab/local-ai-lab-2026-11-05" author: "Mark Ku" author_url: "https://blog.markkulab.net/author/mark-ku" site: "Mark Ku's Blog" date_published: "2026-11-05T02:00:00.000Z" category: "地端 AI 實驗室" tags: ["local-ai", "podcast", "地端模型", "lora", "開源模型", "GLM53Flash", "Qwopus38_27B_Coder_Flash_GGUF", "Qwen35_9B_Defiant_Fable", "HuggingFace", "GGUF", "llamacpp"] language: "zh-TW" license: "CC BY 4.0" license_url: "https://creativecommons.org/licenses/by/4.0/" attribution: "轉載或引用請註明作者並附上原文連結" --- # 🧪 321B 的 GLM-5.3-Flash 單卡塞不下，但這顆 9B 熱度衝到 113｜地端 AI 實驗室 ## 開場白 GLM-5.3-Flash 在 Hugging Face 上 6.3M 次下載、3.1k 讚、MIT 授權，頁面標示 321B 參數，官方 model card 還特地開了一節「Serve GLM-5.3-Flash Locally」教你自架，但單張消費級顯卡大概是塞不下的。這集另外兩顆比較貼地：一顆 27B 的 coding agent GGUF，一顆 9B 寫作模型，作者在自己 5090 加 LM Studio 的環境上量到 130 t/s 起跳。至於為什麼「下載量冠軍」不是「HF 熱度冠軍」，等一下告訴你。 ## 本期精選 ### 1. zai-org/GLM-5.3-Flash：MIT 授權的旗艦級原生多模態開放權重，門檻在記憶體不在顯卡 - **這是什麼**: 來源是本節目的「地端模型雷達」選題，對應的是 Hugging Face 上的 zai-org/GLM-5.3-Flash 頁面。官方 model card 寫明這是 GLM-5 系列第一個原生多模態模型，HF 頁面標示 321B 參數、張量型別 BF16 與 F8_E4M3，官方 Introduction 則自述 320B 總參數、18B 啟用參數，授權是 MIT，權重公開、不需申請。 - **能用在哪些場景**: - **公司內網的「不外流多模態助理」後端**：model card 的 image-text-to-text pipeline 範例就是傳一張圖片加一句「描述這張圖片」進去。想像你們內部有一堆系統截圖、報表圖表、流程圖，要做成可問答的知識入口，但法遵不准丟外部 API，這顆的定位就是給你自己架一個端點來接。 - **評估要不要把自家 agent 接到自架端點**：官方 Introduction 宣稱它在 coding 與 agentic benchmark 上逼近 Claude Opus 4.8，而且 footnote 把評測設定列得滿細的，像 DeepSWE 用 mini-swe-agent harness、400K context，Terminal-Bench 2.1 用 Claude Code 2.1.207。如果你正在做 coding／agent 工具鏈，這些設定值得拿來對照自己的 harness 條件，而不是只看分數。 - **要控制 token 成本與延遲的服務端開發者**：model card 的 Note 說明可以用 `reasoning_effort` 在 low／high／max 之間切換思考預算，預設是 max，正式聊天場景還建議明確帶 `clear_thinking=true`。等於官方幫你留了一個可調的「省 token 開關」，做線上服務的人應該會有感。 - **跑得動嗎**: 先講清楚，官方 model card 沒有標示任何 VRAM 或 RAM 數字，只在「Serve GLM-5.3-Flash Locally」列出六條部署路徑：SGLang、vLLM、TokenSpeed、Transformers、KTransformers、Unsloth，其中 KTransformers 與 Unsloth 各有專屬教學連結。第三方的數字部分，DataCamp 的 KTransformers 教學寫到官方 KTransformers 教學建議至少預留 350GB 系統記憶體、FP8 權重約 306 GiB；Unsloth 則在 HF discussion 上宣稱其動態量化可以在 128GB 記憶體跑 3-bit、100GB 跑 1-bit。這兩筆都是第三方說法，不是 zai-org 官方 model card 的標示。接下來這句是節目方的判斷，不是來源結論也不是實測：官方沒給數字，我們依 321B 參數加上 FP8／動態量化這個組合做的粗略分級是，這題屬於「大記憶體工作站或 Mac Studio 等級」才有機會的自架題目，單張消費級顯卡請直接跳過。 - **本期聲量**: HF 熱度 62，6.3M 次下載、3.1k 個讚。這邊補一句避免等一下聽起來打架：本期**下載量最大**的是 GLM-5.3-Flash，但**HF 熱度分數最高**的是後面第三顆 9B（熱度 113）。下載量與熱度是兩個不同指標，一個看累積量體，一個是平台的綜合熱度分數，不要直接混著比。 - **跟同類比**: 跟同期一樣高聲量的 deepseek-ai/DeepSeek-V4.1-Flash-1017 相比，DeepSeek 官方 model card 的對照表把 GLM-5.3 列為競品，在 Terminal-Bench 4.0、DeepSWE v1.1 等欄位 DeepSeek-V4.1-Flash-1017 的數字比較高，這是 DeepSeek 方的說法。不過 GLM-5.3-Flash 頁面標示 321B 參數、18B 啟用，體積明顯小於 DeepSeek 那顆標示 763B 的模型，對想自架的人門檻低一截。 - **怎麼取得**: model card 的 vLLM 區塊寫的是 `pip install vllm` 後執行 `vllm serve "zai-org/GLM-5.3-Flash"`；SGLang 則是 `python3 -m sglang.launch_server --model-path "zai-org/GLM-5.3-Flash"`，兩者都會起 OpenAI 相容 API。頁面另有 Docker 與社群量化版（Browse Quantizations）入口。 - **連結**: https://huggingface.co/zai-org/GLM-5.3-Flash --- ### 2. Jackrong/Qwopus3.8-27B-Coder-Flash-GGUF：27B 的本地 coding agent 甜蜜點，而且作者自己把話講得很保守 - **這是什麼**: 同樣來自本期「地端模型雷達」。model card 寫明這是 unsloth/Qwen3.8-27B（源自 Qwen/Qwen3.8-27B）的 coding 取向 fine-tune，HF 頁面標示 27B 參數、GGUF 格式，Apache-2.0 授權，直接給量化檔，不需申請。 - **能用在哪些場景**: - **在自己機器上跑本地 coding agent**：README 把目標工作流程直接寫成 Read → Reason → Call Tools → Edit → Test → Recover → Deliver，訓練資料含約 20K 筆 agent 互動與工具呼叫樣本，主要自 Qwen3.8-Flash-Max 蒸餾。換句話說，它針對的不是「幫我補完這行」，而是「選工具、看輸出、改計畫、交付成品」這整段迴圈。 - **程式碼不能離開內網的團隊**：HF 頁面的 llama.cpp 與 Ollama 指令直接指向 Q4_K_M 量化檔，可以在內網開一個 OpenAI 相容端點，再用頁面示範的 Pi、OpenClaw、Hermes Agent 設定檔，把本地終端機 coding 工具接上去。對那種「客戶合約明文禁止程式碼上雲」的專案來說，這條路線很實際。 - **刷演算法題與做重構的人**：model card 說明約 200K 筆程式與複雜推理資料中，演算法與程式生成的部分（教師模型列了 Qwen3.8-Flash-Max、Qwen3.8-Max、DeepSeek-V4-Flash）訓練重點包含演算法實作、邊界條件、重構與除錯。 - **跑得動嗎**: 官方未標示 VRAM 或記憶體需求，model card 只有一節「Checkpoint and runtime」與 Transformers／vLLM 推論範例，頁面上的 llama.cpp、Ollama、Docker Model Runner、Lemonade 指令一律預設抓 Q4_K_M 標籤。以下是節目方的粗略判斷，不是來源說法也不是實測：官方沒給數字，我們依 27B 參數加 Q4_K_M 這個組合推估，它比較像是「有一張大顯示記憶體顯卡，或是統一記憶體較充裕的機器」才會舒服的尺寸，要跑之前建議先用自己的機器實際載一次 Q4_K_M 確認，不要憑這段分級就下單買卡。 - **本期聲量**: HF 熱度 61，23.8k 次下載、62 個讚。量體比 GLM 那顆小很多，但它是本期少數「自己有話說」的社群微調。 - **跟同類比**: 作者在 model card 裡自己說它是 unsloth/Qwen3.8-27B 的 coding 微調版，跟原版 Qwen3.8-27B 的差別在於加了 agent 互動與工具呼叫的蒸餾資料。值得給他一個讚的是，卡片明寫本次評測**並未測量**「推理 token 減少」，所以名字裡的 Flash 不該被讀成已驗證的加速效果，這是作者自己的提醒。 - **怎麼取得**: README 與 HF 頁面給的是 `llama serve -hf Jackrong/Qwopus3.8-27B-Coder-Flash-GGUF:Q4_K_M` 起本地 OpenAI 相容伺服器，或 `ollama run hf.co/Jackrong/Qwopus3.8-27B-Coder-Flash-GGUF:Q4_K_M`。Apache-2.0，不需申請。 - **連結**: https://huggingface.co/Jackrong/Qwopus3.8-27B-Coder-Flash-GGUF --- ### 3. DavidAU/Qwen3.5-9B-The-Defiant-Fable-Uncensored-Heretic-NEO-IMATRIX-MAX-MTP-GGUF：本期唯一真的「一張遊戲卡就能玩」，但它是 fully uncensored - **這是什麼**: 一樣出自本期「地端模型雷達」。作者說明這是一顆經過多階段微調與合併的 9B 模型，GGUF 格式、Apache-2.0，卡片標示 256k context，README 也寫 vision 已啟用。先把話講在前面：這是一顆 **fully uncensored** 模型，沒有內建的內容拒答邊界，輸出內容與使用責任完全在你自己身上，公司環境要不要放進流程請先想清楚。 - **能用在哪些場景**: - **只有一張遊戲卡、想要完全離線的寫作與改稿助手**：9B 加 GGUF，作者說可以在所有標準 AI app 裡跑，再加上卡片標示的 256k context，適合那種「手上有一篇幾萬字的長稿要整篇丟進去請它順過」的用法，全程不離開本機。 - **想在本機做看圖問答**：README 寫 vision 已啟用，但有個很容易踩的坑，你必須**另外下載一個 mmproj 檔**，放在 GGUF 同一個資料夾，模型才吃得到圖片。只抓主檔案會以為 vision 壞掉。 - **在意出字速度、願意調參的 local LLM 玩家**：作者提供 regular 與 MTP（multi-token prediction）兩種 NEO IMATRIX 量化檔，並建議 MTP 版把 temp 壓在 1 以下、rep pen 設 1，如果 token acceptance 低於 50% 就換回一般量化檔。 - **要 drop-in 塞進既有工作流的工程師**：卡片列了建議取樣設定，thinking 模式 temp 1.0／top_p 0.95／top_k 20，精確寫程式任務 temp 0.6，instruct 模式 temp 0.7／top_p 0.80，並說預設 reasoning 為 xhigh、切 instruct 會自動降為 medium。 - **跑得動嗎**: 官方未標示最低 VRAM。作者在說明裡提到的硬體線索是：量化檔皆為 NEO IMATRIX（他宣稱比一般 GGUF 多 2-4% 準確度）、輸出張量保留 16-bit、MTP 張量設為 Q8_0，並建議 context 至少開到 8k 到 16k。速度的部分是**作者自己在他環境上的測量**：他寫在 5090、Windows 11、LM Studio 上，Q4_K_S 的一般 GGUF 約 130 t/s，MTP 版（2 token、接受率 60%）可超過 185 t/s，他本人也註明速度會隨 GPU、系統與 app 變動。這些數字請當成作者環境下的參考值，不要當成你的機器會有的表現。 - **本期聲量**: HF 熱度 113，2.0M 次下載、1.4k 個讚。如前面提過的，這是本期三顆裡 **HF 熱度分數最高**的一顆，而下載量最大的仍是 GLM-5.3-Flash 的 6.3M，兩個是不同指標。 - **跟同類比**: 作者在卡片貼出自測 benchmark 表（arc/c、arc/e、boolq、hellaswag、openbookqa、piqa、winogrande），宣稱這顆 9B 在 7 項上勝過 Qwen3.5-9B-Instruct、Qwen3.5-27B-Instruct 等 base 模型，部分情況逼近 Qwen3.6-27B。這全是作者自己的測試與說法，而且他本人也補了一句：超越 27B 的 benchmark 不代表所有任務都會贏 27B。這句補充其實比分數本身更值得記住。 - **怎麼取得**: HF 頁面給的本地指令是 `llama serve -hf DavidAU/Qwen3.5-9B-The-Defiant-Fable-Uncensored-Heretic-NEO-IMATRIX-MAX-MTP-GGUF:Q4_K_M`，或 `ollama run hf.co/DavidAU/...:Q4_K_M`，也可以直接用 LM Studio 或 Jan 開。要用圖片輸入，記得依 README 說明另抓 mmproj 檔放同資料夾。 - **連結**: https://huggingface.co/DavidAU/Qwen3.5-9B-The-Defiant-Fable-Uncensored-Heretic-NEO-IMATRIX-MAX-MTP-GGUF --- ## 結尾 這期三顆剛好排出一條很清楚的階梯：GLM-5.3-Flash 是 MIT 授權、下載量最大的旗艦，但官方沒給 VRAM 數字、第三方寫的是 350GB 系統記憶體等級，那是工作站題；Qwopus3.8-27B-Coder-Flash-GGUF 是本地 coding agent 的中段甜蜜點；DavidAU 那顆 9B 則是唯一真的能在單張遊戲卡上動手的。如果今晚只想動一個，從 9B 開始最快，但請記住兩件事：它是 **fully uncensored**，產出內容請自己把關、用途自負，不要直接接進對外服務；另外要用 vision 一定要**另外抓 mmproj 檔放進同一個資料夾**，否則圖片吃不進去。最後補個時效界線：這三份 model card 都沒有標示發布日期，本集所有敘述一律引述 HF 頁面與 model card 當前內容，本節目未實際執行任何一顆模型，而且頁面隨時可能更新，動手前請以你當下看到的頁面為準。我們下集見。 --- ## 關於本文與作者 本文出自 [Mark Ku's Blog](https://blog.markkulab.net/local-ai-lab/local-ai-lab-2026-11-05) 授權條款： [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) — 轉載或引用請註明作者並附上原文連結 ### 關於作者 **[Mark Ku](https://blog.markkulab.net/author/mark-ku)** — 軟體工程師 - 10 年以上軟體工程師 - 做過北美電商與 AI SaaS 訂閱收費系統 ### 作者開發的免費工具 以下工具皆可免費使用： - [免費 PDF 簽名工具](https://blog.markkulab.net/tools/pdf-sign): 線上 PDF 簽名工具，瀏覽器內完成手繪、打字、上傳簽名，可拖曳放置、縮放、下載。所有處理都在你的裝置完成，檔案不會上傳。 - [VS Code Refactory](https://blog.markkulab.net/tools/refactory): Refactory 是一款 VS Code 重構擴充套件：34 個重構動作、37 條 code smell 檢查、Code Health 儀表板、18 種語言、534 支測試。懂你的專案慣例：介面放哪、DI 註冊寫在哪、'use client' 該不該加；還會用 git 修改頻率 × 複雜度排出「該先修哪個檔案」，並一鍵把壞味道交給你自己電腦上的 Claude Code 修。免費使用，原始碼不離開你的機器。 - [DB-Kit 資料庫管理工具](https://blog.markkulab.net/tools/db-kit): DB-Kit 是一個用 Tauri + Rust + React 打造的輕量跨平台資料庫管理工具，用單一一致的介面同時管理 MySQL、MariaDB、PostgreSQL、SQL Server、Oracle、SQLite、MongoDB、Redis、Kafka、Elasticsearch 與 RabbitMQ 十一種資料來源：連線密碼以 OS keychain 加密、SSH Tunnel、完整 CRUD、視覺化查詢建構器、多結果集同時顯示、跨連線資料傳輸、結構與資料比對（同步 SQL、結構快照）、Excel / CSV 匯入匯出、執行計畫視覺化、ER 圖、排程備份、SQL 壓力測試（p50～p99 延遲百分位）、15 條規則的 SQL 審查、執行前 AI 審查並逐句備份的「審查並執行」（自動產生回滾腳本）、Kafka 訊息瀏覽與監控告警、SSH 終端機與 SFTP / FTP、Docker / Kubernetes、遠端桌面（RDP / VNC / RustDesk）、檔案 / 資料夾比對、預存程序整合測試；六種介面語言，內建 AI 助手（本機 CLI 或 Anthropic / OpenAI 相容 API，自然語言生成 SQL、AI 審查與調校建議）與命令列工具 dbk。免費開源（MIT），提供 Windows / macOS / Linux 安裝檔。 - [VS Code Super Mermaid](https://blog.markkulab.net/tools/super-mermaid): Super Mermaid 是一款 VS Code 擴充套件：開箱即用的漂亮 Mermaid 圖表，自動上色、即時預覽、滑鼠平移縮放、PNG / SVG 高解析匯出，內建 21 種範本與多種主題。免費開源（MIT）。 - [React Super Mermaid](https://blog.markkulab.net/tools/react-super-mermaid): react-super-mermaid 是一個開源 React 元件庫：一行 即可渲染漂亮的 Mermaid 圖表，內建 colorful / sketch 主題、平移縮放、圖內搜尋、SVG / PNG 高解析匯出。輕量、SSR 安全、完整 TypeScript 型別。免費開源（MIT）。 - [Jira / Confluence Super Mermaid](https://blog.markkulab.net/tools/jira-super-mermaid): Atlassian Forge app：在 Jira issue 與 Confluence 內文直接寫 Mermaid 語法，畫流程圖、時序圖、狀態機與甘特圖。11 種圖表、SVG / PNG 匯出、明暗主題、完整中日韓文字支援。取得 Runs on Atlassian 資格：圖表存在你自己的站台，app 不呼叫任何第三方服務。免費，即將上架 Atlassian Marketplace。 - [Mermaid 線上預覽](https://blog.markkulab.net/tools/mermaid-preview): 在瀏覽器裡寫 Mermaid、即時看圖，整張圖表壓進網址就能分享。免註冊、不上傳伺服器，相容 mermaid.live 的分享連結。 - [React Intl Phone Number](https://blog.markkulab.net/tools/react-intl-phone-number): react-intl-phone-number 是一個開源 React 元件：framework-agnostic、不依賴 antd，提供 E.164 進出、可搜尋國旗 / 國碼下拉、可配置驗證等級（strict / mobile-strict / loose）、可主題化 CSS 與 i18n，電話邏輯由 google-libphonenumber 驅動。輕量、完整 TypeScript 型別。免費開源（MIT）。 - [Uptime Kuma Cluster](https://blog.markkulab.net/tools/uptime-kuma-cluster): 把單機版 Uptime Kuma 改造成高可用叢集：OpenResty + Lua 智慧負載平衡、MariaDB 共享狀態、健康檢查與自動 Failover，附監控與叢集管理 RESTful API，一行 Docker Compose 啟動。免費開源（MIT）。 - [AI Podcast Cut 音檔剪輯](https://blog.markkulab.net/tools/ai-podcast-cut): 丟進一段錄音，AI 幫你剪掉「嗯、呃、那個」與講到一半重講的片段，平衡逐段音量，並派第二個 agent 覆核每一刀。辨識與去人聲都在你自己的電腦上跑，不上傳、不需要金鑰。剪點會貼齊字邊界與零交越、每一刀都有漸弱漸強，句尾還留得住呼吸感。Windows / macOS / Linux 桌面應用，MIT 開源，Windows 安裝檔內建 ffmpeg。 - [AI Video Cut 影片剪輯](https://blog.markkulab.net/tools/ai-video-cut): 在影片裡選一個東西：打字（人臉、車牌、手機螢幕、logo）、手動點選或拖框，或交給 Claude Code / Codex 挑。AI Video Cut 會逐幀追蹤它，再幫你打馬賽克或模糊、調色、加跟著走的貼紙與文字、把螢幕或海報換成你的圖片或影片，甚至用其他幀拍到的背景把它移除。另有序列剪輯、本機字幕與 AI 助手。免費開源（MIT）的 Windows 桌面應用（macOS / Linux 實驗中），本機運行，影片不上傳。 - [open-pos 開源餐飲 POS](https://blog.markkulab.net/tools/open-pos): 一台電腦加一台出單機就能開店。資料存在自己的硬碟裡、沒有月租、沒有綁約，MIT 全開源。金額用整數元依營業稅法拆算稅額，銷售額加稅額恆等於總額；出單走網路型 ESC/POS（TCP 9100），不必裝廠商驅動。Tauri + Rust + SQLite 桌面應用，v1.0 開發中。 - [.NET 電商 API 架構範本](https://blog.markkulab.net/tools/dotnet-ecommerce-api): 以 .NET 10 打造的電商平台後端 API 架構範本：Controller → Service → Repository 分層、Autofac 依命名慣例自動註冊、SqlSugar 支援 MySQL / MariaDB 與 SQL Server、Redis 快取與訊息佇列、Hangfire 排程、JWT 認證，內建可擴充的金流 Provider 模組（綠界 ECPay、藍新 Newebpay）。Apache 2.0 開源。 - [Open Token Monitor 團隊 AI 用量監控](https://blog.markkulab.net/tools/open-token-monitor): 把每位員工電腦上 AI coding 工具的 token 用量與等值成本集中到公司自架的 hub：PostgreSQL、組織名單、依公司與部門比較的 dashboard、報表 API。員工端有 Electron 與 Rust/Tauri 兩種，每 30 分鐘自動上傳。MIT 開源，Docker 一行起。 - [AI 資安監控 ai-security-monitor](https://blog.markkulab.net/tools/ai-security-monitor): 網站上線了，漏洞、憑證與安全設定誰來檢查？ai-security-monitor 用自架 Security Hub 集中網站掃描與主機監控，合併重複發現、比對修補前後，讓你知道哪些問題還沒處理。 ### 每日 Podcast - [Mark's Tech Insights 每日 AI 新鮮事](https://blog.markkulab.net/category/tech-news): 每日精選 AI 與科技趨勢，透過語音摘要快速掌握最新技術動態，涵蓋 AI 應用、軟體架構、DevOps 與工程實戰。 — RSS: https://blog.markkulab.net/feed.xml - [AI股市蝦聊](https://blog.markkulab.net/category/ai-stock-chat): 每個交易日用 AI 分析台股盤勢，以雙人對話聊當天的盤中觀察與隔日預測。 — RSS: https://blog.markkulab.net/ai-stock-chat/feed.xml - [開源好物日報](https://blog.markkulab.net/category/open-source-weekly): 每天從 Hacker News、GitHub、Reddit 聲量雷達精選免費開源工具，以雙人對話聊解決什麼痛點與怎麼快速上手。 — RSS: https://blog.markkulab.net/open-source-weekly/feed.xml - [AI 運動日報](https://blog.markkulab.net/category/sports-weekly): 每天以雙人對話聊 NBA、MLB 與國際體壇大事，台灣球迷視角，輕鬆有梗不酸人。 — RSS: https://blog.markkulab.net/sports-weekly/feed.xml - [AI 國際新聞快報](https://blog.markkulab.net/category/world-news): 每天早上以雙人對話把過去一天的國際大事講白：政治外交、全球經濟、衝突與安全、災害與氣候，台灣視角、中立客觀、每則附出處。 — RSS: https://blog.markkulab.net/world-news/feed.xml - [地端 AI 實驗室](https://blog.markkulab.net/category/local-ai-lab): 每天精選可以下載到自己機器上跑的開源模型與 LoRA，用雙人對話講清楚能用在哪些場景、你的顯卡跑不跑得動、跟同類差在哪，規格一律引述官方 model card。 — RSS: https://blog.markkulab.net/local-ai-lab/feed.xml - [AI 行銷日報](https://blog.markkulab.net/category/ai-marketing): 每天以雙人對話整理最新 AI 在行銷、廣告、SEO／GEO 與內容行銷的大事，實戰視角、不業配、每則附出處。 — RSS: https://blog.markkulab.net/ai-marketing/feed.xml - [AI 資安日報](https://blog.markkulab.net/category/ai-security): 每天以雙人對話整理最新 AI 與資安交會的大事：LLM 與 AI agent 漏洞、prompt injection、模型供應鏈、攻擊者怎麼用 AI，防禦視角、每則附出處。 — RSS: https://blog.markkulab.net/ai-security/feed.xml ### 電子報 [訂閱電子報](https://blog.markkulab.net/subscribe) — 第一時間收到新文章通知，無垃圾信、隨時可取消訂閱。