英文原文: https://argusic.com/subject/colibri
colibri
一个用于前沿 MoE 模型的分层推理引擎：热专家在 GPU（CUDA、Vulkan）上，温专家在 RAM 中，冷专家从 NVMe 流式加载。用 C 语言编写，在你已有的硬件上运行。
可运行来源：GitHub项目主页CApache-2.0commit fd93c41aa6ae
C，Apache-2.0 许可证.
colibri 可以运行。一个 Argusic agent 在一台没有 GPU 的干净机器上用 28 分钟完成了安装，没有遇到任何错误，整个会话都被记录了下来。
colibri v1.10.2 builds and installs from source in this container; 104 C test binaries (478 assertions) and 716 Python tests pass; the Kimi K3 engine produces token-exact greedy output matching the independent vendor oracle.
agent 在干净的机器上最终得到的结果，用它自己的话说。 测量方式
每一次都由 Argusic 在全新机器上实测。每个数字都链接到对应的证据。 Argusic 评分 73.3，满分 100（该项目各次运行得分的平均值）。
概览
项目数据来自 GitHub，链接见本页顶部，更新于 。测试数据由 Argusic 提供 (CC BY 4.0)；每个数字都链接到一个运行页面，附完整的 log、录屏及其 sha256 哈希。
测量了什么
来自决定该结论的那次运行。 每一行都是记录下来的数值，而非估算。
- 安装时间
- 28 分钟
- 从冷启动机器到完成
- 24 分钟
- 遇到并修复的错误
- 遇到 0 个，在无人协助的情况下修复了 0 个
- 结果是如何证明的
- make test-c: ALL PASS (0 failures across 104 binaries, 478 ok assertions); make test-python: 716 passed, 59 skipped (GPU-only); c/tests/test_kimi_k3_tiny.py: token-exact greedy, teacher forcing, determinism, and oracle-bite checks pass on installed kimi_k3 binary; coli --version returns 'colibri 1.10.2'; coli info loads kimi_k3_tiny fixture reporting 'engine ready'
- 使用的模型 token
- 416,984
- 测试的确切 commit
- fd93c41aa6ae
- 容器镜像
- sha256:cdd920bce783
没有测量什么
另一半内容，让你清楚看到这些证据能说明到什么程度。缺失的数据就标为缺失，从不填补。
- GPU 显存峰值
- 本次运行在 CPU 机器上进行，没有可采样的 GPU
- 长时间运行的表现
- 每次尝试都使用文档中最小的设置和固定的时间预算，因此这里测量的是它能否运行，而不是它在负载下的表现
录屏的结尾
决定该结论的终端会话的最后几行，与录制时完全一致。
**C test suite**: 104 test binaries, 478 "ok" assertions, **ALL PASS (0 failures)**. **Python test suite**: 716 tests, all pass (59 skipped for CUDA/Metal/Vulkan/GPU — expected in this… **End-to-end inference verified**: Token-exact greedy generation, teacher forcing, determinism, and… **No real credentials required**: the project needs no API keys, third-party services, or network t… tokens used 416,984 All tests verified. Here's the final report: **Install and build**: `make -C c` builds the GLM engine cleanly, plus `kimi_k3`, `olmoe`, `qwen36`… **C test suite**: 104 test binaries, 478 "ok" assertions, **ALL PASS (0 failures)**. **Python test suite**: 716 tests, all pass (59 skipped for CUDA/Metal/Vulkan/GPU — expected in this… **End-to-end inference verified**: Token-exact greedy generation, teacher forcing, determinism, and… **No real credentials required**: the project needs no API keys, third-party services, or network t…
回放完整会话，从干净的机器到此刻的每一条命令。
测试方式
一个 agent，一个容器，没有人工协助。它按照项目自身文档所写的方式安装项目，运行它，并修复出错的地方。下面的一切都按实际发生的过程记录：终端会话、log 和确切的 commit。 完整方法论.
优势与局限
均为实测事实，而非观点。内容是如何撰写的.
顺利的部分
- 在干净的机器上达到了运行状态，会话有完整记录。
- 过程中没有任何故障：从克隆到运行，零错误。
- 无需 GPU 即可运行，因此启动它并不需要 GPU。
- 采用 Apache-2.0 许可证，以其托管平台报告的信息为准。
- 已测量 3 次，因此结果并非偶然。
不顺利或尚不清楚的部分
- 安装用了 28 分钟，慢于 Argusic 测量过的 5 个同类项目的中位数。
在 Argusic 安装并计时过的 6 个 C 项目中，colibri 达到运行状态的速度排名第 6，6 个项目中有 5 个达到了运行状态。
适合用于
- 在笔记本电脑或小型服务器上试用：它无需 GPU 即达到了运行状态。
- 按照它自己的 README 操作：文档中的步骤无需任何修复即可走通。
运行历史
嵌入徽章
用于项目 README 的 Markdown。徽章链接回本页；使用条款见 条款页面.
[](https://argusic.com/subject/colibri)常见问题
- colibri 能运行吗？
- 是的。colibri 可以运行. Argusic 在一台干净的机器上安装并启动了它，用时 28 分钟，过程中遇到 0 个错误，并记录了整个会话。
- Argusic 是如何测试 colibri 的？
- 在一台全新的一次性机器上进行，每条命令都被记录，仓库固定在 commit fd93c41aa6ae。共记录了 3 次尝试，完整方法见方法论页面。
- 测试 colibri 花了多少钱？
- 得出该结论的那次运行花费 0.16 USD：这是真实的算力和模型成本，而不是按每百万 token 计的标价。该数字记录在那次运行的页面上。
- colibri 安装需要多长时间？
- 在决定该结论的那次运行中，从干净的机器到运行状态用了 28 分钟。这是一次实测的尝试，不是平均值。
- colibri 需要 GPU 吗？
- 启动它不需要。Argusic 在一台没有 GPU 的机器上让它达到了运行状态。
- 安装 colibri 时会出现什么问题？
- 在已记录的运行中没有出现任何问题：从克隆到运行，零错误。
- colibri 与其他替代方案相比如何？
- 在 Argusic 安装并计时过的 6 个 C 项目中，colibri 达到运行状态的速度排名第 6，6 个项目中有 5 个达到了运行状态。
- colibri 的证据在哪里？
- 全部 3 次已记录的运行都在本页上，每次都链接到完整的 log 和终端录屏，并连同 sha256 指纹一起保存，因此无法被悄悄篡改。