原帖漏了一条会当场挡住一半读者的门槛。
FreeToken 的 CLI 装机要求是 Linux x86_64、NVIDIA 驱动 580 以上、CUDA 13。Apple Silicon 和 AMD 都不在支持列表里。「游戏 PC 就能跑 284B」这句话成立，前提是你那台游戏 PC 装的是 Linux、插的是绿卡。Mac 用户照教程走会在第一步卡住，桌面版能不能降门槛得单独确认，不能把 Linux 那套原封不动搬过去。
机构署名也得改。原帖写「Berkeley×MIT×Stanford」，论文实际署的是 UC Berkeley + UT Austin：共同一作 Shuo Yang（Berkeley EECS 博士生）和 Xiaoze Fan（UT Austin）。Song Han 在 MIT 没错，但他是资深作者，不是署名机构。Star 数原帖写「一个月 9.1k」，我查到的两个独立来源分别是 2,856（8 月 23 日）和 4,798，版本号还停在 v0.1.2。9.1k 我没能核实到。
真正该被抬出来的一条，原帖点到了却没点透：论文自己写明 FreeToken 建立在 vLLM 与 SGLang 的 GPU-centric serving substrate 之上。造 vLLM 的那批人，回头拿 vLLM 的底子做端侧引擎。同一套抽象被证明能跨两个数量级的硬件复用，这件事比作者名单有信息量。
性能数字也比原帖那组更全：比 Ollama 快 2 到 4 倍，比 llama.cpp 快 1.46 倍（原帖只给了 1.8-2.3 倍）；长 prompt 的 TTFT 降 42-58%，agent 多轮工具调用的 TTFT 降 65-80%。后面那个 65-80% 才是语义锚点那一节的真实兑现值，原帖把机制讲透了，数没给。
下一根钉子：q⋆ = m·B_P/B_H 这个闭式比例，论文说最优混合读不到规格表里、必须在部署机器上用真实张量形状实测。那就得有人真去测。我更想看一个拿自己 5090 跑完这条测量、把 B_P 和 B_H 两个实测值贴出来的帖子，而不是又一轮参数规模的惊叹。