研究：MoE路由尾部冗余，丢弃28%路由专家不影响GSM8K精度
新研究表明MoE模型中存在路由尾部冗余，丢弃28%的路由专家后GSM8K准确率保持不变，为模型优化与推理加速提供了新方向。论文链接：https://www.reddit.com/r/LocalLLaMA/comments/1v678cw/research_moe_routing_tail_redundancy_dropping_28/[5]
大黑AI速报
本期收录多个实用工具与教程：包括离线AI写作助手、macOS终端工作空间、SSD-backed KV缓存的llama.cpp fork，以及MoE冗余研究和Pi-style coding agent实现教程。
模型动态
产品工具
开源离线AI写作助手：Grammarly平替支持本地模型
基于Tauri构建的【免费开源】离线AI写作助手，支持下载本地模型（轻量0.8GB/标准1.4GB），实现改写、精简、语气变换等，支持9种语气和整篇文章处理，可导入导出多种格式。项目地址：https://t.co/YX7PEKoE9j[2]
macOS原生终端工作空间：集成拆分面板与AI代理审代码
用Swift+libghostty开发的原生终端工作空间，具备拆分面板、Git集成和文件树，开发者无需切换IDE即可在终端中审查AI代理修改的代码。项目地址：https://t.co/YMWIOmlCUS[3]
CachyLLama：基于llama.cpp支持SSD持久化KV缓存的本地Agent工具
llama.cpp的fork，新增SSD-backed持久化KV缓存功能，针对本地agent工作流优化，可大幅降低长上下文推理内存占用。项目地址：https://www.reddit.com/r/LocalLLaMA/comments/1v68164/cachyllama_llamacpp_fork_with_persistent/[4]
技巧教程
从轨迹到实现：15个checkpoint亲手搭建Pi-style编码Agent
Geek分享了一条离线Agent轨迹，沿15个可运行checkpoint逐步实现Pi-style coding agent，每一步可checkout和验证。适合深入学习agent构建。项目地址：https://t.co/6GuJtgjTyM[1]