Kaggle 免费双 T4 跑无审查 Qwen3-14B:从零写 Notebook 到对外调用

先说结论:Kaggle 给个人账号每周 30 小时免费 GPU,一台 Notebook 两张 Tesla T4,每张 15.3GB 可用显存。9GB 的无审查 Qwen3-14B 单卡就能跑,实测 13–16 tok/s。本文把 Notebook 从零写到能对外调用的每一步都按实测写出来,照着抄就能跑。 和之前那篇 Colab 方案比,Kaggle 不用订阅、双 T4、每周 30 小时;代价是条款对长期对外服务更严,也没有 Drive 那样的持久缓存。自己测试、做实验,Kaggle 更划算。 一、Kaggle 免费 GPU 到底给什么 每周 30 小时 GPU(TPU 另外 20 小时),按会话计时,跑一个 cell 才开始算。 单次会话最长约 9 小时。官方两份文档数字打架,按短的规划。 空闲 20 分钟自动断开。注意是"空闲":后台跑着的 Ollama 不算"执行中",所以要留一个长期占着的 cell 保活,或者用 Save & Run All(无空闲超时,上限 12 小时)。 开 GPU 要先验证手机号:没验证之前,Accelerator 里 GPU T4 x2 是灰的,验证完就能选。TPU 还要再做身份验证,GPU 不用。 额度数字以官方文档为准,免费政策随时可能变,动手前以官方页面为准。 二、新建 Notebook:两个开关 Kaggle 首页 → Create → New Notebook。 右侧 Session options → Accelerator 选 GPU T4 x2。 Internet 确认是开的(新建默认开)。Kaggle 没有入站端口,模型下载和隧道都靠出站联网。 跑一个 cell 之后会话才真正启动、开始计费。只写代码、改 cell 的时间不算。 ...

November 17, 2026 · 2 min · 

Google AI Pro 隐藏福利:白嫖 Colab GPU + Cloudflare 对外发布 + 本地 SSH,跑满血 Qwen3

先说结论:如果你已经订阅了 Google AI Pro,Colab 里那块免费的 T4 GPU 别只在网页里玩玩。把它和 Drive 缓存、Cloudflare 隧道、本地命令行接起来,就是一台有固定域名、手机和家里都能调用的私人模型服务器。本文这条链路我从头到尾跑通过,下面写的每一步都是实测过的。 一、AI Pro 的 Colab 福利:不只是一个 notebook 很多人把 Colab 当成“免费 Jupyter”,但订阅 AI Pro 之后,它多出来的东西刚好能拼成一台服务器: 计算单元更多、GPU 分配更优先:免费版也能分到 T4,但高峰期经常排队或者只给 CPU;Pro 的配额明显宽松得多,T4 基本随要随有。 后台执行:合上浏览器标签页,运行时不会立刻被回收,适合挂长时间任务。 Drive 5TB:Pro 订阅把 Drive 从 15GB 提到 5TB。这点最关键——模型权重可以直接缓存进 Drive,下次启动不用重新下载,一个 9B 模型 5-6GB,下载一次就够了。 Colab Secrets:敏感信息(比如 Cloudflare 隧道 Token)可以存在 Secrets 里,代码里只写名字,不落明文。 免费版不是不能跑,后面这套流程在免费版上一样能走通,区别是额度更紧、排队更久、会话更容易被回收。 二、免费用 Google GPU:从零到第一个回答 新建一个 notebook,把运行时类型改成 T4 GPU,然后按这个顺序走: 1. 挂载 Drive 做模型缓存。 第一次运行会弹授权,挂上之后在 MyDrive/colab-cache 里建个目录,以后 Ollama 的模型就存在这里。实测第二次启动直接命中缓存,省掉几 GB 的下载时间。 ...

November 16, 2026 · 2 min · 

pi 教程:极简终端 AI agent 实测——安装、接 Ollama、和 omp 对比

本文安装、命令部分已在 Ubuntu 26.04 服务器上实测;Ollama 接入与只读任务实测已在 o3(arm02,Ubuntu 26.04 aarch64,2 核,11G 内存)上补完,见第五节。2026 年 11 月 14 日更新:换 9B 模型再测,pi 调动了工具(但答案卡在 thinking 里),见第六节。2026 年 11 月 19 日更新:改用 LLM API(Gemini)再测,不用拉模型、不用 GPU,7 秒多就出了正确的表,见第七节。 昨天实测了 omp,今天轮到它的“原作”:pi。一个跑在终端里的 AI 编程 agent,作者是 Mario Zechner(libGDX 的作者),MIT 开源。omp 就是在 pi 基础上 fork 出来再大幅扩展的,所以把 pi 搞明白,omp 的很多设计选择也就看懂了。本文只写实测过的内容:安装、命令、配置目录、那个静默卡住的坑和 Ollama 接入都是亲手跑过的;1.5B 小模型那节没跑通就明说没跑通。 pi 的理念是“越薄越好”:内置只有 4 个工具——read、write、edit、bash,系统提示词不到 1000 token,没有子 agent、没有权限弹窗、没有 plan mode,其他功能都靠扩展。1.0 之后加了 MCP 和 codemode。换句话说,它故意不做“大而全”,把选择权留给用户:要什么自己装扩展,不要的它也不塞给你。这个项目迭代很快,10 月中旬文档里还是 1.2.0,我 11 月 11 日实测装到的已经是 1.5.2,pi update 可以随时跟进新版本。 ...

November 11, 2026 · 4 min ·