正文：
一个只有8MB的模型，官方说它能对标DeepSeek V4 Flash。
这不是段子，是Cactus刚发布的Needle3。
8MB是什么概念？一张手机照片原图可能都比它大。以前这种体积的模型，基本只能做做关键词匹配，干不了正经事。
但Needle3的路子不一样。
它不陪你聊天，它负责干活。
准确说，它把”帮我订明天下午三点的会议室”这种话，直接翻译成一段结构化函数调用，让系统照着执行。不写诗、不抒情、不谈人生，就老老实实把指令变成代码。
这恰恰是端侧AI最需要的本事。
端侧场景里，模型的第一要务不是聪明，而是准。100MB的模型在云端跑得飞起，到了手机、耳机、智能家居里，连装都装不下。
Needle3给的解法是：可切片。
同一套权重，从2层到20层随便切，参数规模25M到121M浮动，量化压到CQ2-bit。开发者按设备算力现切现用，不用重新训练，不用维护多套模型。
最小8MB，最大29MB。
这个思路挺聪明——与其把模型做大塞进设备里，不如让模型学会自己瘦身。
当然，它能不能真的对标DeepSeek V4 Flash，还得实测说话。但”8MB”这个数字本身，已经把端侧自动化的想象空间撬开了一条缝。
模型越来越小，能干的活越来越多。
这大概才是端侧AI该有的样子。