你手里有一张 8GB 显存的笔记本显卡，想跑 DeepSeek-V4-Flash（284B 参数）——正常人告诉你别做梦。Ollama 直接说显存不够，llama.cpp 硬塞进去速度掉到没法用，vLLM 压根是给机房准备的。

FreeToken 换了个思路：不把显存当模型仓库，把它当工作台。完整权重躺在系统内存里，GPU 用到哪个专家就现取哪个。于是 8GB 笔记本能跑 35B MoE，游戏台式机能跑 284B，一张 RTX PRO 6000 能跑 753B 的 GLM-5.2。这不是 PPT，是 2026 年 8 月刚发的论文（arXiv:2608.16157）+ 能装的 PyPI 包（freetoken 0.1.2，Apache-2.0）。

下面先讲它是什么，重点给你安装和使用的完整流程，最后和 vLLM、Ollama 摆在一起对比——结论先放这：三个工具根本不抢同一批用户。

8月24日，湖南祁东县司法局宣布介入调查「店主帮扶老人遭索赔」一事。店主儿子说，23日晚有关部门提出愿意把赔偿款补贴给他们，正在协商。

先把时间线摆清楚。8月17日，一位身体不适的老人进牌馆休息，晕倒。店主夫妻帮扶、打120、送医抢救。老人还是走了——糖尿病等多种基础疾病。然后家属索赔10万。派出所协商两次，降到1.9万，谈成。

再然后，官方说了三句话，一句比一句魔幻：店主无过错，不承担法律责任；有关部门愿意补贴店家；店家人道主义帮扶死者家属1.9万。

同一笔钱，三种说法。店主没罪，钱照赔。

这篇文章就说两件事：这钱该不该出，这案子会不会成为下一个彭宇案。

先给结论：1G 内存左右的低配服务器，不要装宝塔。 宝塔面板 + Nginx + PHP + MySQL 全家桶常驻，内存随便吃掉 300-500MB，低配机器直接喘不过气；而且面板是闭源的，出过不止一次安全事件。这套配置是我自己反复用的初始化流程：关 SELinux、换阿里云源、装基础工具、手动配 firewalld 开端口、fail2ban 防 SSH 爆破、再配一个 SSH 代理。全部命令贴出来就能用，没有图形界面，没有多余进程，每一行都知道在干什么。

适用对象：CentOS 7 的 VPS、1-2G 内存、跑博客/小服务/爬虫这类轻负载。跑生产大应用的出门右转，这篇文章帮不了你。

公共场合有人吸烟，你上不上前制止？

这问题看着像道德题，其实是分类题。动手之前你得先搞清楚两件事：第一，你是体面人还是不体面人；第二，对方是体面人还是不体面人。顺序错了，或者判断错了，轻则挨骂挨打，影响几天心情，重则危及生命安全。这不是夸张，是成本账。

法律法规、道德规范这些东西，只能保护你免遭体面人的伤害，管不住不体面人。这不是谁坏谁好的问题，是威慑机制对两种人根本不生效的问题。想明白这一层，很多事你就不会再问「该不该」，只会问「是谁」。

你要部署一个大模型服务。打开 GitHub，搜推理框架，跳出来两个项目：一个 89.8k 星，一个 32.3k 星。正常人第一反应：选星星多的。

先别急。这两个项目都是 UC Berkeley 出品——同一个学校，同一批方向的师兄弟。星星差三倍，不是因为差三倍，是因为一个出生早、一个定位野。

vLLM 靠 PagedAttention 起家，现在 89.8k 星，是生产部署的事实标准，Anyscale 在背后商业化。SGLang 靠 RadixAttention 出圈，现在 32.3k 星，性能上经常压着 vLLM 打，跟 DeepSeek、Qwen 绑得比谁都紧。

选哪个，取决于你的场景，不取决于星星数。这篇文章把两者的核心机制、实测性能、使用场景拆开讲清楚，最后给选型结论。