让模型做判断题，它总想写小作文。Cloudflare 开源的 Clef 不生成文字，一次前向传播直接给每个选项的概率。我在 RTX 4070 Ti SUPER 上用 llama.cpp 跑了一遍 Q4_K_M，并用一个 .NET 控制台对比了「生成 JSON」和「打分头」两条路。

花8万多抢购一台256GB内存的M5 Ultra Mac Studio，绝不仅是一次冲动的硬件消费。从苹果统一内存架构、小模型与工具链跃进，到OpenAI等巨头的采购动向，深度拆解为什么“云端规划+本地隐私推理”正在成为未来3-5年AI的核心方向。