机房级显存买不起时，有人把SSD当成「慢显存」，只把正在干活的专家捞进内存——Colibrì把这套思路做成了可下载的小引擎。
Colibrì是GitHub上走红的分层推理框架，公开材料称纯C实现、零引擎依赖，Star已达约3.2万。核心针对MoE：如GLM-5.2总参约744B、每token激活约40B，Attention与共享专家等稠密部分int4后约9.9GB常驻RAM，上万路由专家放在NVMe，由Router点名后再读盘。作者称在12核CPU+25GB RAM开发机上验证过路径；推荐约24GB内存起跑int4权重（约372GB盘占用），GPU非必须。冷缓存早期约0.05–0.1 token/s；靠LRU、专家热度与邻层可预测性（公开称约71.6%）预取后，128GB纯CPU桌面约1.8 token/s，六张RTX 5090全专家常驻可达约5.8–6.8 token/s。
覆盖面上，项目称已支持九个模型家族，从Qwen、DeepSeek V4 Flash、GLM-5.2/5.3到约975B的Inkling，以及约2.8T总参的Kimi K3（约1.6TB盘、RAM约32GB起）。设计原则是专家住哪一层只影响速度，不改变路由与精度。对爱好者与边缘场景，这是「能跑起来」的工程胜利；对生产，吞吐、延迟抖动与盘寿命仍是硬约束。项目地址见公开仓库 JustVugg/colibri。