便宜的那部分可以人手一台

判断模型落地的最后一公里，被 Unsloth 用一个桌面应用铺平了。开源决策模型 Laya，也就是 Jev 的平替，现在能直接跑在自己电脑上。默认的多语言模型只有 678MB，最低 4GB 内存，CPU 就能跑，Windows、Mac、Linux 通吃，数据一步都不出本机。

规格读下来有四处值得记。首包加载后，多数 CPU 一秒内出结果。一次请求能同时问六十四个问题，是与否、选择、评分全带校准概率。端口开在 Jev 兼容的 API 上，已有集成改个地址就切换。装法三步，配置页打开 Serve requests、下载模型、请求打到本地 8888 端口。

本地化的分量比看起来重。工单路由、退款识别、安全告警分级这类活，最怕的不是算不准，是把内容发出去。数据不出本机这一条，直接解掉了一大批过不了合规审查的场景。以前要向安全团队解释半天，现在一句跑在你自己的机器上就完事。

它还把"要结论不要散文"这个定位又推远了一步。4GB 意味着一台普通办公电脑就能当判断层，不用申请 GPU，也不用等排队。判断和生成的分工落到采购清单上，就是便宜的那部分可以人手一台。

链接我按用途分开存：Mac 和 Linux 用 `curl -fsSL unsloth.ai/install.sh | sh` 一条装完，Windows 装法在 unsloth.ai/install.ps1 ，文档在 unsloth.ai/docs/models/de… ，仓库在 github.com/unslothai/unsl… 。

下一步就看 64 连发的校准概率成色如何，主打 #DecisionModel 和 #4GBRAM 这两张牌的组合。