◆ AI 总结

本期涵盖Google开源零样本表格模型TabFM、自托管代码索引工具basemind、以及Gemma4在RTX5090上上下文扩展至80K的实用技巧，另有社区对本地AI rig盈亏平衡的深度分析。

产品工具

Google 开源零样本表格基础模型 TabFM

Google Research 发布TabFM，支持零样本分类和回归，无需微调或超参搜索。训练示例作为上下文，单次前向传播预测。HuggingFace 下载：https://huggingface.co/google/tabfm-1.0.0-pytorch[1]

开源 basemind 实现本地代码仓库索引，赋能编码 Agent

basemind是一款全本地、自托管的仓库索引工具，支持300+语言代码地图、Git历史、文档RAG。通过MCP、CLI或Claude Code插件提供服务，减少上下文消耗。项目地址：https://github.com/Goldziher/basemind[2]

技巧教程

Gemma

RTX 5090 上 Gemma-4-31B 上下文成功扩展至 80K

用户分享通过设置GGML_CUDA_NO_PINNED=1和--backend-sampling参数，在RTX 5090上运行Gemma-4-31B-Q6_K，上下文从35K提升至80K。提供了完整docker命令。[3]

行业资讯

社区精算：$20k 本地 AI 主机盈亏平衡点超过两年

用户建模分析，2万美元本地AI rig，每月约200美元电费，与每月200美元云端订阅相比，盈亏平衡约在第27个月。指出硬件沉没成本易被忽视。[4]