这次刷论坛，最让我长记性的不是哪家又发了榜单，而是一句很土的话，显存不够，参数再大也白搭。

以前我总把“模型慢”理解成算力问题。后来越看越明白，很多时候根本不是 GPU 算不动，而是数据没法待在对的地方。只要内存路径一变，token 速度就不是慢一点，是直接掉下去。

如果只看榜单，最容易心动的肯定是 31B。

但真把机器搬出来，还是那台没升级的 RTX 3060 12GB，判断马上就会变。怎么说呢，本地部署这件事，最后拼的不是谁最风光，而是谁最像能长期相处的那个。对我来说，这次真正值得先跑的，不是 31B，而是 26B A4B。

首发当天我本来想干的事很简单，找一个和 Gemma 3 对应得上的升级版，先下下来跑。

结果一圈看下来，人先有点傻眼。以前熟的 4B / 12B / 27B 那套名字没了，冒出来的是 E4B、26B A4B、31B。怎么说呢，这次谷歌真正改的，不只是模型大小，而是连“你该怎么理解这批模型”都一起改了。

平时宅在家里，2026 年清明假期难得出来走走，晃到松江大学城文汇路，第一反应其实不是风景，是店。

好特卖不稀奇，上海这些年已经铺得到处都是。让我愣了下的是，我居然在这里看到了 零食很忙。这个牌子以前在老家见得更多，我一直以为它离上海还有点距离。结果一条文汇路，先把我这点刻板印象打掉了。

我现在的判断挺明确：零食很忙 这类店能开到松江，不是因为上海突然“下沉”了，而是因为松江本来就不是很多人想象里的上海边角料。你把这里当郊区，它偏偏有足够密的人流、足够年轻的客群、足够长的停留时间；你把它当纯睡城，它背后又站着松江府的历史底子、大学城的科创资源，还有上海西南门户的新定位。

用 Codex 这段时间，有个问题一直挺别扭：默认思考档位是 medium，但网上一聊到 GPT-5.4，口气又都很猛。真到自己手里，medium、high、xhigh 到底差多少，官方也没给一张特别直白的表。

我现在的结论挺明确，日常编码我更愿意直接开 high。medium 不是不能用，快活、小修小补、试探方向没问题；但真到多文件修改、需求有歧义、还要边看代码边判断的时候，medium 很容易把算力省错地方。xhigh 我反而不会常开，留给卡壳的大活更合适。

翻了一圈现在仓库里的配置，我反而更确定一件事：这套东西最后拼的不是单个模型有多强，而是每一层到底该让谁来承担成本。

最明显的一个信号就是，当前生效的 published.runtime.json 还是 2026 年 4 月 2 日生成的 minimax-m2，但 2026 年 4 月 3 日 16:38 的 5f17088 已经把 blog-style-suite 的默认 provider 切到了本地 LM Studio 里的 gemma-4-26b-a4b。这看起来像前后不一致，其实不是，它恰好说明了这条流水线开始有了分工。

如果 token 足够，最省脑子的办法其实很粗暴：把历史文章直接塞给模型，让它自己学。

问题在于，这种办法只适合偶尔来一篇，不适合反复写。你要是真把博客写作当成长期工作流来做，生吃历史文章这条路，很快就会从“简单直接”变成“又贵又乱”。

去年写了不少 AI 稿子，那会最土的流程就是，自己先整理个大纲或者问题清单，让大模型把正文吐出来，然后再把内容复制到本地 md 文档里，补 frontmatter、标签、分类、标题，最后再发布。

这套流程不是不能用，是很烦。真正费时间的地方，不是正文，而是正文外面那一圈重复劳动。尤其是最近 Codex 用多了以后，这种别扭感更强了。它能读仓库、能改文件、能补资料、还能直接把文章写进目录里，我要是还手工复制来复制去，反而像是人把工具的腿绑住了。