Familie behalten. Wiederholungen beseitigen.
Weniger Speicherbedarf als fünf eigenständige Bereitstellungen in der gemessenen Modell- und Adapter-Familie.
Einmal installieren · eine Modellbibliothek
Modelle behalten. Speicherplatz zurückgewinnen.
Verbinden Sie Ihre Modellordner einmal und sortieren Sie Dateien nicht länger von Hand. Tensor Archive organisiert Modelle, Quantisierungen, LoRAs und Adapter in exakten, verlustfreien Familien, die bereitstehen, wenn Ihre Modellanwendungen sie benötigen.
- Automatische Familienorganisation
- 100% verlustfrei
- Von Grund auf lokal und privat
Gestützt auf eine in den USA zum Patent angemeldete Technologie
Gemessene Modellfamilie
Exakte Wiederherstellung
5 eigenständige Bereitstellungen
Speicherwert: 907.3 MB
Jede Bereitstellung enthält ihr eigenes vollständiges Paket.
Tensor Archive · dieselben Versionen
Speicherwert: 261.6 MB
Keine Quantisierung. Jedes wiederhergestellte Byte stimmt überein.
Große Archive. Geringer RAM-Bedarf.
Weniger maximaler Arbeitsspeicherbedarf beim Paketieren als ZipLLM mit denselben TA-Bench v1-Quelldaten.
Exakt bedeutet exakt.
Unterschiedliche Bytes nach der Wiederherstellung aller 50 Dateien in der Validierung sequenzieller Checkpoints.
Installieren. Auf Ihre Modelle verweisen. Ordner vergessen.
Eine kompakte Bibliothek, bei Bedarf bereit.
Tensor Archive gruppiert zusammengehörige Modelldateien, speichert ihre gemeinsamen Daten einmal und bereitet die exakte Version vor, die eine verbundene Laufzeitumgebung benötigt. Nach der Verwendung kann die temporäre Arbeitskopie freigegeben werden, ohne dass das Modell verloren geht.
-
01
Finden und organisieren
Verbinden Sie Ihre Modellordner. Zusammengehörige Modelle, Quantisierungen, LoRAs, Adapter und Checkpoints werden zu übersichtlichen Familien.
-
02
Verlustfrei paketieren
Tensor Archive speichert wiederholte Modelldaten einmal und bewahrt dabei jede Datei und jedes für eine exakte Wiederherstellung benötigte Byte.
-
03
Bei Bedarf vorbereiten
Die exakte archivierte Version wird materialisiert und bei gewünschtem Laden an die verbundene Laufzeitumgebung übergeben.
-
04
Nach Gebrauch wieder freigeben
Sicher entladen, den temporären Arbeitsspeicherplatz freigeben und das exakte Modell für die nächste Anforderung paketiert aufbewahren.
BERT Tiny mit drei Adaptern. Jede Version wurde exakt wiederhergestellt.
Verwenden Sie bereits LM Studio, Ollama, FLUX oder ComfyUI? Nutzen Sie dahinter eine einzige kompakte Bibliothek. Tensor Archive bereitet das von jeder App angeforderte exakte Modell vor und gibt dessen Arbeitskopie anschließend sicher frei.
Mit Ihrer Modellbibliothek ausprobierenEine Speicherschicht hinter Ihren Modellanwendungen
Ihre Apps fragen an. Tensor Archive bereitet vor.
Installieren Sie es einmal. Tensor Archive organisiert und komprimiert Ihre Modelle, LoRAs und Adapter automatisch und verlustfrei in einer kompakten Bibliothek. Fordert eine integrierte App ein Modell an, wird die exakte Version bei Bedarf vorbereitet und nach Gebrauch erneut kompaktiert.
Jetzt verfügbar
Dynamisches Laden von Modellen für Bionic.
Das neue Bionic von LM Studio hat uns keine Sekunde daran zweifeln lassen, Tensor Archive vollständig zu integrieren und dynamisches Laden von Modellen zu ermöglichen: ungenutzte Modelle kompaktieren, zahlreiche Versionen organisieren und für jede Aufgabe das beste Modell verwenden — ohne Aufwand.
Organisieren · vorbereiten · laden · freigeben
Ollama
Jetzt verfügbar
Modellablauf mit API an erster Stelle.
Ollama führt Modelle so aus, wie es Fachleute erwarten: schnell, skriptfähig und API-orientiert. Während andere das Chatfenster in den Mittelpunkt stellen, konzentriert sich Ollama auf den Modellablauf. Genau dort gehört Tensor Archive hin: die beste Version für jede Aufgabe komprimieren, organisieren und laden — automatisch.
Schnell · skriptfähig · automatisch
Jetzt verfügbar
FLUX-Modelle, Checkpoints und LoRAs.
Bei FLUX vermehren sich Bildmodelle und LoRAs rasch — und der Speicherplatz verschwindet noch schneller. Wir haben Tensor Archive integriert, damit jeder Checkpoint und Adapter verlustfrei komprimiert, eindeutig versioniert und ohne das übliche Chaos ladebereit bleibt.
Verlustfrei · versioniert · ladebereit
ComfyUI
Jetzt verfügbar
Anspruchsvolle Pipelines. Eine kompakte Bibliothek.
ComfyUI führt anspruchsvolle visuelle Pipelines aus — und verwaltet umfangreiche Modellsammlungen. Tensor Archive bewahrt diese Checkpoints und LoRAs kompakt, geordnet und sofort einsatzbereit auf, damit Sie Arbeitsabläufe erstellen statt Ordner zu verwalten.
Checkpoints · LoRAs · Arbeitsabläufe
Verteilte T2T-Bereitstellung
Kompakte Modellfamilien werden als geprüfte Objekte übertragen.
Lite kann T2T-Modellfamilien kostenlos empfangen und wiederherstellen. Ihr privates Archiv bleibt lokal; die Netzwerkteilnahme ist ausdrücklich und von Grund auf privat.
Gemessener TA-Bench-Lauf
3.2× schnelleres Paketieren
33.02 Sekunden für Tensor Archive gegenüber 105.65 Sekunden für Gear CDC bei denselben Quellbytes, mit exakter Wiederherstellung. Ein kontrollierter Lauf, keine allgemeingültige Geschwindigkeitsgarantie.
An Modellen gemessen, die tatsächlich aufbewahrt werden
Echte GGUF-Familien. Echte Inferenz mit LM Studio.
Zwei Qwen2.5-Familien zeigen den freigegebenen Speicherplatz im kompakten und im 7B- Maßstab. Anschließend wurde der Produktablauf vollständig in LM Studio validiert.
Qwen2.5 0.5B
Drei Quantisierungen · Q4_K_M, Q5_K_M und Q6_K
60.8% weniger physischer SpeicherQwen2.5 7B
Vier Quantisierungen · neun vollständige GGUF-Shards
6.26 GB freigegeben · 24.9% wenigerEchte Inferenz mit LM Studio
Aktivieren, registrieren, laden, erzeugen, entladen und sicher entfernen. Ein geladenes Modell kann nicht entfernt werden, und jeder geschützte Shard wird Byte für Byte wiederhergestellt.
- Laden und Inferenz
- Sicheres Entfernen
- Exakte Wiederherstellung
TA-Bench v1 · dieselben Quellbytes
Exakte Wiederherstellung
Physischer Speicherbedarf einer Modellfamilie
Eine separate Arbeitslast für TA-Bench-Modellfamilien, nicht die obigen Qwen-GGUF-Ergebnisse. Xet verwendet die offizielle lokale Referenz-CAS von xet-core v1.5.4; ZipLLM verwendet den kleinsten unabhängig verifizierten, exakt wiederherstellbaren Abschluss.
Speicherdruck nicht gegen Arbeitsspeicherdruck eintauschen
Große Modelle. Winziger Arbeitsspeicherbedarf.
Große Modelldateien erfordern keine großen Arbeitsspeicherspitzen. Mit demselben TA-Bench v1-Datensatz erreichte Tensor Archive einen Spitzenwert von 52.4 MB, gegenüber 1,523 MB bei ZipLLM.
96.6%
weniger maximaler Paketierungs-RAM als ZipLLM
31.7 GBphysisches Modell
→
<167 MBmaximaler RAM-Spitzenwert
PaketierenSpeicherwert: 106.7 MB
PrüfenSpeicherwert: 163.1 MB
WiederherstellenSpeicherwert: 166.0 MB
- Feste Obergrenze von 1.07 GB
- Keine Auslagerung
- Keine OOM-Fehler
- Exakter SHA-256
Zwei getrennte Nachweise. Der Vergleich von 96.6% verwendet den gemeinsamen TA-Bench v1-Korpus. Der Lauf mit 31.7 GB validiert Tensor Archive allein; ZipLLM wurde mit dieser großen Datei nicht ausgeführt.
Arbeitsspeichernachweis ansehenSpeicherökonomie des Mac Studio
Weniger SSD kaufen. Mehr Modelle behalten.
Apple berechnet den Werksspeicher einmalig. Tensor Archive gewinnt diesen Platz über jede zusammengehörige Modellfamilie hinweg zurück. Entspricht Ihre Familie unserem gemessenen Ergebnis von 71.2%, kann eine kleinere SSD-Stufe dieselben Versionen aufnehmen.
Ohne Tensor Archive
Apple-SSD mit 2 TB
+$800
Mit Tensor Archive
Speicherwert: 576 GB physisch
Apple-Speicherstufe mit 1 TB: +$300
Ohne Tensor Archive
Apple-SSD mit 4 TB
+$1,800
Mit Tensor Archive
Speicherwert: 1.15 TB physisch
Apple-Speicherstufe mit 2 TB: +$800
Ohne Tensor Archive
Apple-SSD mit 8 TB
+$3,800
Mit Tensor Archive
2.30 TB physisch
Apple-Speicherstufe mit 4 TB: +$1,800
Lite bleibt kostenlos.
Jetzt kostenlos ausprobieren
Lite hält heruntergeladene Modelle automatisch kompakt, stellt sie bei Bedarf bereit und kompaktiert sie nach Gebrauch erneut. Auch die T2T-Bereitstellung ist kostenlos. Pro ergänzt die Auslagerung, sodass Sie das Modellarchiv vollständig von Ihrer Festplatte verschieben können.
Veranschaulichte gleichwertige Kapazität, keine allgemeine Festplattenkomprimierung. Das Ergebnis von 71.2% stammt aus fünf zusammengehörigen eigenständigen Modellbereitstellungen; die Ergebnisse unterscheiden sich je nach Familie. Die Apple-Preise entsprechen der aktuellen US-amerikanischen Mac Studio M4 Max-Staffel für Werksspeicher, geprüft am 27. Juli 2026, vor Steuern. Apple-Konfigurator prüfen ↗
Die Zahlen beantworten unterschiedliche Fragen
Ein Versprechen. Drei getrennte Nachweise.
Speicher, Arbeitsspeicher und Integrität werden unabhängig voneinander gemessen. Jedes nachstehende Ergebnis nennt seine Arbeitslast und Vergleichsgrundlage, damit die Zahlen nie auf Kleingedrucktes angewiesen sind.
71.2% weniger Speicherplatz
Fünf eigenständige Modell- und Adapter-Bereitstellungen im Vergleich mit derselben Familie in Tensor Archive.
69.4% weniger als Gear CDC
Fünf BF16-Modell-Checkpoints auf denselben TA-Bench v1-Quellbytes, mit exakter Wiederherstellung.
96.6% weniger maximaler RAM-Bedarf
ZipLLM und Tensor Archive beim Paketieren derselben TA-Bench v1-Modellfamilie.
Integrität / exakte Wiederherstellung
50 / 50 Dateien wiederhergestellt
0 Bytes unterschieden sich
SHA-geprüft
Die öffentliche Modellreihe gab außerdem 76.33–76.46% über BERT Tiny, DistilBERT Base und SmolLM2 135M hinweg frei. Die Ergebnisse hängen davon ab, wie eng die Versionen miteinander verwandt sind.
Das technische Signal
Allgemeine Speicherung ließ Potenzial ungenutzt. Tensor Archive gab mehr frei.
Fünf sequenzielle BF16-Trainings-Checkpoints. Dieselben 4.06 GB Quelldaten, dieselben Dateien, exakte Wiederherstellung. Tensor Archive belegte 964.5 MB weniger physischen Speicher als das normierte Gear CDC.
SMOLLM2-135M · 5 TRAININGS-CHECKPOINTS
Produktsignal
Sequenzielle Trainingsfamilie
im Vergleich zu Gear CDC−34.318%
Wiederhergestellte Dateien50 / 50
Unterschiedliche Bytes0
Wiedergabeverhältnis bei der Wiederherstellung0.95×
Das Wiederherstellungsverhältnis wird an der exakten Kontrolle mit festen Blöcken gemessen; unter 1× bedeutet, dass bei dieser Wiedergabe keine Verlangsamung beobachtet wurde. Dies ist eine kontrollierte Arbeitslast und keine allgemeingültige Aussage.
TA-Bench v1 · direkter Vergleich
Dieselben Quellbytes. Exakte Wiederherstellungen. Keine übernommenen Zahlen.
Fünf sequenzielle BF16-Checkpoints aus einem unveränderten Trainingslauf. Jedes bewertete System erhält dieselben Dateien; jeder Balken misst den physischen Speicher einschließlich der zur Wiederherstellung erforderlichen Metadaten.
Spur A · nur Modell
Modellfamilie
5 Modelldateien
1.345 GB Quelldaten
Standardarbeitsbereich von ZipLLMroh + komprimiertSpeicherwert: 1.661 GB
Rohe ModelldateienQuellgröße: 1.345 GB
Gear CDCSpeicherwert: 1.080 GB
Archive: tar + zstdSpeicherwert: 1.052 GB
Mindestwert für exakte Wiederherstellung mit ZipLLMkleinste verifizierte TeilmengeSpeicherwert: 585 MB
Tensor ArchiveGesamt: 331 MB
Spur B · vollständige Versionen
Trainings-Checkpoints
Fünf vollständige Versionen
4.060 GB Quelldaten
Rohe DateienQuellgröße: 4.060 GB
Archive: tar + zstdSpeicherwert: 2.758 GB
Gear CDCSpeicherwert: 2.810 GB
Tensor ArchiveArchivgröße: 1.846 GB
Streng begrenzter Geltungsbereich
FM-Delta ist nicht anwendbar, weil sein offizieller Codec diesen BF16-Korpus nicht akzeptiert. DCP gehört in eine native Spur für semantischen Zustand. Gear CDC ist eine normierte Kontrolle auf Byteebene und keine Aussage über den gehosteten Xet-Dienst. Der Standardarbeitsbereich von ZipLLM bewahrt rohe und komprimierte Tensoren auf; unser Hauptvergleich verwendet die kleinste Teilmenge, für die wir verifiziert haben, dass sie weiterhin jede Datei exakt wiederherstellt, und keinen offiziellen ZipLLM-Bereinigungsmodus.
Speicherlauf 001 · Korpusmanifest bfa502…3ce81 · jede bewertete Wiederherstellung
bytegenau. Vollständige Wiederholungen der Tensor Archive-Zeitmessung und eine unabhängige Reproduktion stehen noch aus.
Kein Benchmark-Theater
Eine Zahl sorgt für Aufmerksamkeit. Jede Vergleichsgrundlage bleibt sichtbar.
Die öffentliche Testreihe vergleicht fünf eigenständige Bereitstellungen je Familie und gab 76.33–76.46% über BERT Tiny, DistilBERT und SmolLM2 hinweg frei. Sie ist von TA-Bench getrennt: Das direkte Ergebnis oben vergleicht Tensor Archive, ZipLLM, zstd und CDC an einer unveränderten sequenziellen Modellfamilie.
Öffentlichen Metrikdatensatz prüfenFünf sequenzielle Modell-CheckpointsPhysische Größe · gleicher Maßstab
Quell-Checkpoint-FamilieFünf BF16-Modelldateien
Quellgröße: 1.345 GB
Gear CDCNormierte Kontrolle auf Byteebene
Speicherwert: 1.080 GB
ZipLLMKleinster verifizierter, exakt wiederherstellbarer Speicher
Speicherwert: 585.4 MB
Tensor ArchiveModellbewusstes exaktes Archiv
Speicherwert: 330.6 MB
69.4% weniger Speicherplatz als Gear CDC.
43.5% weniger als der kleinste verifizierte, exakt wiederherstellbare Speicher von ZipLLM.
Von Grund auf privat
Ihre Modelle bleiben Ihre Modelle.
Tensor Archive wird lokal ausgeführt. Zur Freigabe von Speicherplatz sind weder destruktive Quantisierung noch Cloud-Uploads erforderlich, und die T2T-Teilnahme macht Ihre private Modellbibliothek niemals zu einem öffentlichen Hub.
Lokaler Arbeitsbereich
Ihr Archiv und Ihre Modelldateien bleiben auf der von Ihnen kontrollierten Infrastruktur.
Exakte Wiederherstellung
Prüfung und SHA-Belege weisen nach, dass wiederhergestellte Dateien mit ihrer Quelle übereinstimmen.
Sichere Aktivierung
Ein verwendetes Modell kann nicht entfernt werden. Entladen Sie es zuerst und geben Sie anschließend den Cache frei.
Private T2T-Bereitstellung
Empfangen Sie kompakte, geprüfte Modellfamilien über das verteilte Netzwerk, während Ihr privates Archiv unter Ihrer Kontrolle bleibt.
Ebenfalls von Tensor Archive
Möchten Sie auch 51% Ihres Spielelaufwerks zurückgewinnen?
Tensor Archive Games gab 51.92% des dauerhaften Speichers frei, den unsere gemessene PC-Bibliothek mit 12 Titeln belegte — bei exakter Wiederherstellung jeder Datei und weiterhin vollständiger Kontrolle durch Steam.
Speicherplatz auf dem Spielelaufwerk freigeben
Spielelaufwerk / gemessener Korpus
Exakte Wiederherstellung
Freigegebener Speicherplatz−51.92%
Integrität der Wiederherstellung100%
Funktionsfähiges Produkt · jetzt verfügbar
Modelle behalten. Speicherplatz zurückgewinnen.
Verbinden Sie Ihre Modellordner einmal. Tensor Archive organisiert die Familien, zeigt das Freigabepotenzial und hält die exakte, von Ihrer Laufzeitumgebung benötigte Version bei Bedarf bereit.
macOS · Windows · Linux · 100% verlustfrei · von Grund auf privat