新闻、仓库与研究，按时间排列。
GLM-Edge-1.5B-Chat（Q4_K_M GGUF 量化、无微调）通过 llama.cpp 在 4GB 内存的 Samsung Galaxy A04e 上本地运行，借普通桌面 Firefox 会话在 Amazon 完成了查找电池与黄色橡皮鸭并加入购物车的真实任务，两次运行均成功。A04e 全程约 8.5 分钟，Galaxy S21 上约 3 分钟。模型不接收截图或原始 HTML，而是通过结构化浏览器感知层（E2LLM/SiFR）在用户现有浏览器会话内操作，即"Browser-as-Shared-Space（BaSS）"思路。
作者发布论文配套软件工件 BOPIS，用贝叶斯优化与 Pareto 选择在 llama.cpp 运行时配置空间中搜索每 prompt GPU 能耗最低的设置，同时保持推理速度与输出质量，并与未优化默认配置和随机搜索基线做三方验证。搜索范围覆盖 Qwen2.5-Instruct 0.5B/1.5B/3B/7B 与 F16、Q8_0、Q4_K_M 精度组合，支持 llama-server、Ollama 和模拟后端；测量核心仅用 Python 标准库，BERTScore 评分作为独立离线阶段。对无功耗传感的 GPU（如 MX330）提供基于资源占用的估算模式并标注 energy_scope，文档还记录了论文第三章的多处修正，包括 Expected Improvement 公式符号写反等问题。
dzaragoza 发布 LLM-benchmark 仓库，配套独立研究 Small Models, Big Claims（DOI: 10.5281/zenodo.22855666），测量在集成 GPU 上经 llama.cpp Vulkan 后端从系统内存运行的小型 instruct 模型。
推荐理由：作者把整套基准流程做成一条命令加两个离线选型页，读者可复用其量化阶梯与读速门槛方法来挑选本地小模型。