GGUF 原生支持、Next.js 内存优化、Agent 失准风险

本周工具动态分为两类：基础设施改进与值得关注的隐患。Transformers 的 from_pretrained() 现可直接加载量化 GGUF 检查点，无需 llama.cpp 桥接；在 Apple Silicon 上 GGML 内核在稠密与 MoE 架构上均达到与 llama-bench 相当的性能，Q4_K_M 可将参考的 8.42 GB 模型压缩至 2.74 GB，从而统一推理与微调/评估的加载路径。文章同时提示 Miri 泄露密钥、1-bit 量化可能静默破坏 agent 等风险。

AI推荐理由 汇总多项具体工具链变化：Transformers 原生加载 GGUF、Apple Silicon 上性能对齐 llama-bench、量化后内存显著下降，以及 1-bit 量化可能静默破坏 agent 等风险提示，对本地推理与 Agent 开发者有实际参考价值，但为周报式转述，部分数据需回溯原始来源核实。