Colibrì

Colibrì 不去假设模型必须装进显存，而是把显存、内存与存储当作一套统一的内存层级，从而在消费级与异构硬件上运行前沿 MoE 模型。目前已支持九个系列：744B 的 GLM-5.2/5.3、带视觉的 321B GLM-5.3-Flash、975B 的 Inkling、2.8T 的 Kimi K3、284B 的 DeepSeek V4 Flash 与带视觉的 552B V4.1 Flash、125B 的 Qwen3.8-Flash-Next、35B-A3B 的 Qwen3.6 以及 7B 的 OLMoE——每个系列一个 C 文件，共用同一套 coli chat / coli serve / coli web 前端。

谁做的仓库在 2026 年 7 月到 10 月之间累积了 2,803 次提交，最大两份份额属于 Vincenzo Fornaro（837 次）和 GitHub 账号 JustVugg（593 次）。其后对这样一个年轻项目来说分布异常宽——ZacharyZcR 216 次、monotophic 141 次、Vincenzo 63 次、Steve Markgraf 60 次、woolcoxm 55 次——贡献者名单超过一百个名字。

1. 01

   三个月做出一个完整引擎，以及是谁写的

   仓库创建于 2026-07-01，此后每天都有推送；2,803 次提交落在七月（1,028）、八月（985）与九月（790），共 857 个文件。读者应先看署名：591 次提交带共同作者尾注，其中约 575 次署名 Claude 模型——Fable 5 166 次、Opus 5 153 次、Opus 4.8 85 次、Opus 5（1M 上下文）57 次、Fable 5.1 41 次、Opus 4.8（1M 上下文）20 次，另外还有 Opus 5.5、Sonnet 4.6、Sonnet 5 的少量计数，以及 Claude Code、Claude、Cursor 的若干条。十六次尾注署名的是人，多数是维护者。归属也不只体现在尾注上：有几次提交直接以 codex 20260923-120015-1331522267 这类机器生成的名字署名。

2. 02

   它的主张在于模型住在哪里，而不是跑得多快

   README 用两句话说明设计：744B 到 2.8T 参数的前沿 MoE 模型能在消费级硬件上运行，是因为把存储、内存与显存当作同一套推理层级，并且是纯 C、零引擎依赖。项目把这称作 AI memory multitiering，并把自己首先定位成一个研究平台。这个定位带来一条被写成规则而不是愿望的承诺：对速度不作 SLA，对语义给硬保证——实验必须靠可复现的端到端测量赢得位置，默认策略不会悄悄改变模型精度或路由语义。快速内存不够可以降速，但不能悄悄把模型重新定义一遍。

3. 03

   九个模型系列，每个一个 C 文件

   README 逐条列出今天能跑的东西与参数量：744B 的 GLM-5.2/5.3、带视觉的 321B GLM-5.3-Flash、975B 的 Inkling、2.8T 的 Kimi K3、284B 的 DeepSeek V4 Flash、带视觉的 552B DeepSeek V4.1 Flash、125B 加 51B n-gram 的 Qwen3.8-Flash-Next、35B-A3B 的 Qwen3.6，以及 7B 的 OLMoE。每个系列是一个 C 文件，全部接在同一套前端之后——模型是引擎的一种配置，而不是它的一个分支。文档也按同样的方式切分：docs/FORMATS.md 38 KB、docs/ENVIRONMENT.md 61 KB、docs/metal_implementation.md 47 KB、docs/windows.md 35 KB、docs/benchmarks.md 28 KB，以及每个模型系列一份——qwen38.md 29 KB、deepseek-v41.md 26 KB、deepseek-v4.md 25 KB。

4. 04

   仓库里体量最大的是测试

   857 个文件里有 390 个在 c/tests，占 3.6 MB，而 c/ 下的引擎代码是 6.3 MB——这个比例来自那条语义保证：一条「绝不悄悄改精度」的规则，价值只等于能发现它被改动的那些检查。贡献者名单对一个三个月的项目也异常宽：除两位维护者外还有一百多个署名，从二十次、六十次的贡献者一直到大量只提交过一次的人。