開場白

本期雷達掃到三個「下載就能跑」的重點：KRAFTON 釋出 3B 參數支援 262K 長文脈的雙語模型、ConceptCountry 用權重空間編輯把 27B 推理 token 砍半卻更強、MinimaLabs 丟出 99M 參數微調教學首選，等一下告訴你哪個最適合今晚動手。

本期精選

1. KRAFTON/Raon-1-nano：3B 參數支援 262K 長文脈，Mac 原生跑雙語工具調用

• 這是什麼：KRAFTON 從自家 30B-A4B MoE 模型蒸餾剪枝而來的 3B 稠密模型，官方 model card 稱擁有 262K 長文脈，支援繁中、英文混用對話與工具調用，授權為 Apache-2.0。
• 能用在哪些場景：
  • 想在自己的 MacBook（Apple Silicon）上跑支援繁中、英文混用對話與工具調用的本地助理，不想把內容送上雲端。
  • 公司資安規定不能把文件內容送外部 API，但需要處理長文件摘要或程式碼助理，3B 模型配合 262K context 可在單機跑完。
  • 想在筆電或 mini PC 等邊緣裝置上架設語音助理後端，用 GGUF 搭 llama.cpp 跑推論，不需額外 GPU。
• 跑得動嗎：官方 model card 標示提供 BF16（約 6.3 GB，無量化）、GGUF（llama.cpp）、MLX 4-bit GPTQ（Apple Silicon）、LiteRT-LM（4-bit 權重、fp16 激活, 4K tokens）四種格式，Mac 用戶可直接用 MLX 載入 4-bit 量化版跑推論。
• 本期聲量：HF 熱度 92（1.3k 次下載、94 個讚）。
• 跟同類比：官方 model card 稱在 17 項同規模 benchmark 中領先同量級模型（例如韓語會話 91.0 分）；相較前代 Raon-1 mini preview（30B-A4B MoE）透過剪枝與知識蒸餾大幅縮小模型體積，但保留了工具調用與雙語能力。
• 怎麼取得：README 提供 Transformers、vLLM、llama.cpp、MLX、LiteRT-LM 的完整範例程式碼，Mac 用戶可直接用 MLX 載入 4-bit 量化版跑推論。
• 連結：https://huggingface.co/KRAFTON/Raon-1-nano

2. ConceptCountry/qwen-concept-27b：權重空間編輯 Qwen2.5-27B，非微調非 Prompt，推理 Token 減 27-54%

• 這是什麼：ConceptCountry 直接在權重空間手動編輯 Qwen2.5-27B（官方 model card 標示基於 Qwen2.5-27B，來源資料 Qwen3.8-27B 為筆誤）的九個 down-projection 矩陣，非微調、非重打包、也非 prompt engineering，官方公開論文、資料與可重現每個數字的程式碼，授權為 Apache-2.0。
• 能用在哪些場景：
  • 研究者或進階玩家想理解「不訓練、直接改權重」能不能改善模型行為，可以直接下載程式碼重現論文裡的每個數字。
  • 想輕量化跑 Qwen2.5-27B 又想要比原版推理更有效率（思考 token 減少 27-54%），用 Q4_K_M（16 GB）量化版就能在單張 24 GB 消費級顯卡跑。
  • 技術讀書會或教學想講解介於微調與 prompt engineering 之間的「weight-space programming」新方向，可以拿這個模型當活教材。
• 跑得動嗎：官方標示提供 BF16（52 GB）、FP8（30 GB）、Q8_0（27 GB）、Q4_K_M（16 GB）四種格式，16 GB 量化版可在單張消費級 GPU 上跑。
• 本期聲量：HF 熱度 198（64.0k 次下載、263 個讚）。
• 跟同類比：官方以「norm-matched random edit」做對照實驗，證明是精準編輯而非隨機擾動帶來的效果，在 GPQA Diamond 提升 4.3 分、LiveCodeBench v6 提升 13.0 分；作者自己標示這仍屬實驗性階段，還在評估中。
• 怎麼取得：model card 指出支援 llama.cpp、Ollama、LM Studio 等本地工具直接載入，並提供論文、資料與「生成每個數字的程式碼」連結（concept.country/research/weight-space-programming）。
• 連結：https://huggingface.co/ConceptCountry/qwen-concept-27b

3. MinimaLabs/KLM-1.6：99M 參數 Gated DeltaNet-2 基礎模型，CPU 就能跑、幾小時完成微調

• 這是什麼：MinimaLabs 釋出的 99M 參數極小基礎模型，架構採用 Gated DeltaNet-2 混合注意力，官方標示在 Open SLM 排行榜 100M 參數以下類別拿下 Intelligence Index 第一名（33.95），授權為 Apache-2.0，這是未經指令微調的基礎模型。
• 能用在哪些場景：
  • 想在樹莓派或老筆電上完全靠 CPU 跑推論的基礎語言模型，拿自己領域的資料做輕量微調實驗。
  • 教學場景想示範「從零開始微調一個 LLM」，99M 參數小到可以在單張消費級 GPU 甚至 CPU 上幾小時內跑完微調。
  • 想研究 Gated DeltaNet-2 這類新注意力架構在小模型上的實際表現，直接拿這個模型的架構設定當範本。
• 跑得動嗎：官方標示「可在 CPU 和任何 GPU 上運行，不需超出 Transformers 之外的額外套件」，99M 參數、模型檔案小，一般消費級硬體都跑得動。
• 本期聲量：HF 熱度 81（1.7k 次下載、81 個讚）。
• 跟同類比：官方標示在 Open SLM 排行榜 100M 參數以下模型中 Intelligence Index（33.95）排名第一；但這是未經指令微調的基礎模型，需要自己做 instruction tuning 才能像助理一樣對話，跟同期已經做好對話微調的小模型（如 KRAFTON Raon 系列）相比，KLM 1.6 更適合當研究與微調的起點而非直接部署成助理。
• 怎麼取得：官方提供 Python 程式碼範例，包含基本使用與批量推理（fast_generate），用 Transformers 直接載入即可，不需要額外套件。
• 連結：https://huggingface.co/MinimaLabs/KLM-1.6

結尾段落

本期三款模型剛好拼出地端部署的三種切入點：Raon-1-nano 解決 Mac 使用者要雙語、長文脈、工具調用又不想出門的剛需；qwen-concept-27b 用「權重手術」換來推理效率飛躍，給有顯卡預算的工程師一條不用重訓的捷徑；KLM-1.6 則把微調門檻壓到幾乎為零，適合拿來當教學或架構實驗的起跑線。如果今晚想馬上看到成果，手邊有 Mac 的話先抓 Raon-1-nano 的 MLX 版最快上手，下期再見。