两周前，我从未在自己的机器上运行过人工智能模型。我构建的每一个项目都是通过密钥调用云端应用程序接口。后来，我在 超威半导体“推进人工智能 2026”峰会 的氛围编程实验室里，目睹了一个模型在笔记本电脑上回答问题，没有任何数据流出房间，这让我心动不已。
我有一个习惯。当某件事让我兴奋时，我会在尚未准备好时就着手去追求。这次就是这样。我故意选择了一个超出我能力范围的项目，然后花了一周时间，拒绝放弃它。
因此，在展示任何数据之前，核心要点是：数据本身并非重点，好吧，某种程度上它们确实是重点。重点在于，我不断遇到障碍，却仍然坚持前行。其余部分只是关于如何做到的过程。
我选择了一个本不该启动的项目。
这个想法是模型考古学。选取一个 2019 年的模型和一个 2025 年的模型，在同一台笔记本电脑上运行它们，并衡量六年时间究竟带来了哪些变化。我将其命名为“二次挤压”。挤压一颗旧柠檬，再挤压一颗新柠檬，看看汁液是否相同。
旧柠檬：GPT-2 XL，2019 年发布，拥有 15 亿参数。新柠檬：Qwen3-0.6B，2025 年发布，规模不到前者的一半。两者均通过 Lemonade（超威半导体的本地人工智能服务器）在本地运行。此前我从未安装过此类软件。但我还是开始了。
安装过程与我作对，但我坚持了下来。
过程并不顺利。但我总是乐于接受挑战！命令并非文档中暗示的那个。第一次运行时，它不在我的系统路径中。图形处理器后端尝试下载文件，但因文件被锁定而卡住，这种情况发生了两次。我的 Python 版本对于评估工具来说太新了，因此我为这个项目单独搭建了一个第二个 Python 环境。
这些都不光鲜亮丽。但解决这些问题正是乐趣所在！每遇到一堵墙，都面临同样的小抉择：关闭标签页，还是阅读错误信息并再尝试一种方法。我不断选择再尝试一种方法。最终，一个微小的 2025 年模型在我的笔记本电脑上向我打招呼，我可能发出了一声欢呼：“太好了！”
我的第一个真正计划遇到了障碍，于是我移开了障碍。
最初的计划是测试准确性。GPT-2 有一个著名的 2019 年基准测试，我想看看旧的说法是否站得住脚。该测试需要模型提供特定类型的概率数据，但 Lemonade 并未以标准工具期望的方式返回这些数据。此路不通。
过去的我会将此解读为我并不适合做这件事的证据。但 Claude 和现在的我选择了阅读文档，准确找出缺失的内容，干净利落地复现了问题，并在 Lemonade 的代码仓库中提交了一个问题报告，以便下一个人遇到的是路标而不是墙壁。我的第一次开源贡献，完全源于某件事无法正常工作。
随后，我将问题更改为工具能够回答的问题。不是关于有多聪明，而是关于速度有多快，以及它是否能遵循指令。好奇心相同，只是换了一扇门。
我自己的基准测试揭穿了我的谎言，而我接受了它。
这是我最引以为豪的部分，它始于一个错误。
我的第一次速度测试显示，GPT-2 的速度为每秒 0.31 个词元。与新模型的 90 相比，差距为 297 倍。巨大。我多么希望这是真的。
在发布之前，Claude 编写了一个小脚本，让任何人都可以通过一条命令重新运行所有数据。我运行了它。GPT-2 的结果返回为 8.5，而非 0.31。我的第一个数据是垃圾数据，是在后端仍在下载且模型刚从磁盘加载（冷启动）时测量的。真正的差距约为 11 倍，而非 297 倍。
我本可以保留 297 倍这个数字。没人会去核查。但我保留了 11 倍，并写下了第一个数据为何失真，因为无法复现的数据不是结果，而是谣言。我为了保持诚实而构建的工具，最终揭穿了我。那一刻仿佛浓缩了整个月的经历。
并且
免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。
