保留系列，消除重复。
在实测模型与适配器系列中，存储量低于五个自包含部署。
安装一次 · 一个模型库
保留模型，收回磁盘空间。
只需连接模型文件夹一次，从此无需手动整理文件。Tensor Archive 会将模型、量化、LoRAs 和适配器整理成精确、无损的系列，在模型应用需要时随时可用。
- 自动整理系列
- 100% 无损
- 从设计上即为本地与私有
由美国专利申请中技术提供支持
实测模型系列
精确还原
5 个自包含部署
907.3 MB
每个部署都携带自己的完整软件包。
Tensor Archive · 相同版本
261.6 MB
无量化。还原后的每个字节都一致。
大型归档，小型 RAM 占用。
在相同 TA-Bench v1 源数据上，峰值打包内存低于 ZipLLM。
精确就是精确。
在连续检查点验证中还原全部 50 个文件后存在差异的字节数。
安装后指向你的模型，从此不再操心文件夹。
一个紧凑模型库，按需就绪。
Tensor Archive 将相关模型文件归组，只存储一次共享数据，并准备已连接运行时所需的精确版本。使用后可释放临时工作副本，而不会丢失模型。
-
01
查找并整理
连接你的模型文件夹。相关模型、量化、LoRAs、适配器和检查点会成为清晰的系列。
-
02
无损打包
Tensor Archive 仅存储一次重复模型数据，同时保留精确恢复所需的每个文件和每个字节。
-
03
按需准备
需要加载时，系统会生成精确的归档版本，并将其交给已连接的运行时。
-
04
使用后释放
安全卸载，收回临时工作空间，并将精确模型保持压缩，以便下次请求。
BERT Tiny 加三个适配器。每个版本都已精确还原。
已经在使用 LM Studio、Ollama、FLUX 或 ComfyUI？在它们背后维护一个紧凑的统一模型库。Tensor Archive 会准备每个应用请求的精确模型，然后安全释放其工作副本。
在你的模型库上试用位于模型应用背后的统一存储层
你的应用提出请求，Tensor Archive 负责准备。
只需安装一次。Tensor Archive 会自动整理模型、LoRAs 和适配器并进行无损压缩，将其归入一个紧凑模型库。集成应用请求某个模型时，系统会按需准备精确版本，并在使用后再次压缩。
现已提供
为 Bionic 动态加载模型。
LM Studio 的新 Bionic 让我们毫不犹豫地全面集成 Tensor Archive，以实现动态模型加载：压缩未使用的模型、整理众多版本，并为每项任务轻松使用最佳模型。
整理 · 准备 · 加载 · 释放
Ollama
现已提供
API 优先的模型工作流程。
Ollama 以工程师所期望的方式运行模型：快速、可脚本化并以 API 为先。其他工具关注聊天窗口，而 Ollama 关注模型工作流程。Tensor Archive 正适合置于其中：自动压缩、整理并为每项作业加载最佳版本。
快速 · 可脚本化 · 自动
现已提供
FLUX 模型、检查点和 LoRAs。
在 FLUX 中，图像模型和 LoRAs 增长迅速，磁盘空间消失得更快。我们集成 Tensor Archive，让每个检查点和适配器保持无损压缩、清晰版本化，并能随时加载而无需面对通常的混乱。
无损 · 版本化 · 随时可加载
ComfyUI
现已提供
专业工作流程，一个紧凑模型库。
ComfyUI 可运行专业的视觉工作流程，也会形成庞大的模型集合。Tensor Archive 将这些检查点和 LoRAs 紧凑、有序且随时可用地保存，让你专注构建工作流程，而不是管理文件夹。
检查点· LoRAs · 工作流程
T2T 分布式交付
紧凑模型系列以经过验证的对象形式传输。
Lite 可以免费接收和还原 T2T 模型系列。你的私有归档始终留在本地；网络参与须由你明确启用，并采用隐私优先设计。
实测 TA-Bench 运行
打包速度快 3.2×
Tensor Archive 对 Gear CDC：相同源字节上的耗时分别为 33.02 秒、105.65 秒，并可精确还原。这是一次受控运行，不是普遍速度保证。
在人们实际保留的模型上测量
实际 GGUF 系列，实际 LM Studio 推理。
两个 Qwen2.5 系列展示了在紧凑和 7B 规模下释放的存储空间。随后在 LM Studio 中对产品闭环进行了端到端验证。
Qwen2.5 0.5B
三种量化 · Q4_K_M、Q5_K_M 和 Q6_K
物理存储减少 60.8%Qwen2.5 7B
四种量化 · 九个完整 GGUF 分片
释放 6.26 GB · 减少 24.9%实际 LM Studio 推理
激活、注册、加载、生成、卸载并安全逐出。正在使用的模型无法逐出，且每个受保护分片都能逐字节还原。
- 加载 + 推理
- 安全回收
- 精确还原
TA-Bench v1 · 相同源字节
精确还原
一个模型系列的物理存储
这是独立的 TA-Bench 模型系列工作负载，并非上面的 Qwen GGUF 结果。Xet 使用官方 xet-core v1.5.4 本地参考 CAS；ZipLLM 使用独立验证的最小可精确还原闭包。
不要用内存压力换取磁盘空间缓解
大型模型，极小内存占用。
大型模型文件并不需要巨大的内存峰值。在相同 TA-Bench v1 数据集上，Tensor Archive 的峰值为 52.4 MB，ZipLLM 则为 1,523 MB。
96.6%
峰值打包 RAM 低于 ZipLLM
31.7 GB物理模型
→
<167 MB最高峰值 RAM
打包106.7 MB
验证163.1 MB
还原166.0 MB
- 1.07 GB 硬上限
- 零交换空间
- 零 OOM
- 精确 SHA-256
两项独立验证。96.6% 对比使用共享的 TA-Bench v1 语料。31.7 GB 运行仅验证 Tensor Archive；并未在该大型文件上运行 ZipLLM。
查看内存证据Mac Studio 存储经济性
少买 SSD，多留模型。
Apple 对工厂存储一次性收费。Tensor Archive 会在每个相关模型系列上收回这部分空间。如果你的系列达到我们实测的 71.2% 结果，较小的 SSD 档位也能容纳相同版本。
不使用 Tensor Archive
2 TB Apple SSD
+$800
使用 Tensor Archive
576 GB 物理占用
1 TB Apple 档位 +$300
不使用 Tensor Archive
4 TB Apple SSD
+$1,800
使用 Tensor Archive
1.15 TB 物理占用
2 TB Apple 档位 +$800
不使用 Tensor Archive
8 TB Apple SSD
+$3,800
使用 Tensor Archive
2.30 TB 物理占用
4 TB Apple 档位 +$1,800
Lite 永久免费。
立即免费试用
Lite 会自动保持已下载模型紧凑，在需要时将其展开，并在使用后再次压缩。T2T 交付也免费。Pro 还提供外置功能，让你可以将模型归档完全迁出本机磁盘。
这是等效容量示例，并非一般磁盘压缩。71.2% 的结果来自五个相关的自包含模型部署；结果因系列而异。Apple 定价采用美国当前 Mac Studio M4 Max 工厂存储阶梯，于 2026 年七月 27 日核查且不含税。查看 Apple 配置器 ↗
不同数字回答不同问题
一项承诺。三项独立验证。
存储、内存和完整性分别进行测量。下面的每项结果都标明工作负载和比较对象，因此数字无需依赖细则来解释。
存储减少 71.2%
将五个自包含的模型与适配器部署同 Tensor Archive 中的同一系列进行比较。
比 Gear CDC 少 69.4%
同一 TA-Bench v1 源字节上的五个 BF16 模型检查点，均可精确还原。
峰值 RAM 减少 96.6%
ZipLLM 与 Tensor Archive 打包同一个 TA-Bench v1 模型系列。
完整性 / 精确还原
50 / 50 个文件已还原
存在差异的字节数：0字节。
经 SHA 验证
技术信号
通用存储留下了未利用空间，Tensor Archive 释放得更多。
五个连续的 BF16 训练检查点。相同的 4.06 GB 源数据、相同文件、精确还原。Tensor Archive 使用的物理存储比归一化 Gear CDC 少 964.5 MB。
SMOLLM2-135M · 5 个训练检查点
产品信号
顺序训练系列
对比 Gear CDC−34.318%
已还原文件50 / 50
存在差异的字节数0
重放还原比率0.95×
还原比率以精确的固定分块对照为基准；低于 1× 表示本次重放中未观察到速度下降。这是一个受控工作负载，不是普遍声明。
TA-Bench v1 · 直接对比
相同源字节，精确还原。这些数字并非借用而来。
来自一次冻结训练运行的五个连续 BF16 检查点。每个受评系统收到相同文件；每个柱形都测量物理存储，包括还原所需的元数据。
轨道 A · 仅模型
模型系列
5 个模型文件
1.345 GB 来源
ZipLLM 默认工作区原始 + 压缩1.661 GB
原始模型文件1.345 GB
Gear CDC1.080 GB
tar + zstd1.052 GB
ZipLLM 最小精确还原存储最小已验证子集585 MB
Tensor Archive331 MB
轨道 B · 完整版本
训练检查点
五个完整版本
4.060 GB 来源
原始文件4.060 GB
tar + zstd2.758 GB
Gear CDC2.810 GB
Tensor Archive1.846 GB
严格范围
FM-Delta 不适用，因为其官方编解码器不接受此 BF16 语料。DCP 应归入原生语义状态轨道。Gear CDC 是归一化的字节级对照，并非针对托管 Xet 服务的声明。ZipLLM 默认工作区会保留原始与压缩张量；我们的主要比较采用经我们验证仍可精确还原每个文件的最小子集，并非 ZipLLM 官方垃圾回收模式。
存储运行 001 · 语料清单bfa502…3ce81 · 每次评分还原均逐字节一致。Tensor Archive 完整计时重复和独立复现仍待完成。
拒绝基准作秀
一个数字吸引注意，每个基线都保持可见。
公共套件对每个系列的五个自包含部署进行比较，并在 BERT Tiny、DistilBERT 和 SmolLM2 上释放了 76.33–76.46% 的空间。它与 TA-Bench 分开：上面的直接结果在一个冻结的顺序模型系列上比较 Tensor Archive、ZipLLM、zstd 和 CDC。
查看公共指标记录五个连续模型检查点物理大小 · 相同规模
源检查点系列五个 BF16 模型文件
1.345 GB
Gear CDC归一化字节级对照
1.080 GB
ZipLLM最小的已验证可精确还原存储
585.4 MB
Tensor Archive模型感知的精确归档
330.6 MB
存储空间比 Gear CDC 少 69.4%。
比 ZipLLM 的最小已验证可精确还原存储少 43.5%。
隐私优先设计
你的模型仍然是你的模型。
Tensor Archive 在本地运行。它无需破坏性量化或上传到云端即可释放空间，而且参与 T2T 永远不会把你的私有模型库变成公共中心。
本地工作区
你的归档和模型文件始终保留在你控制的基础设施上。
精确恢复
验证和 SHA 收据证明还原后的文件与其来源一致。
安全激活
正在使用的模型无法逐出。先将其卸载，再释放缓存。
私有 T2T 交付
通过分布式网络接收紧凑且经过验证的模型系列，同时让私有归档始终由你掌控。
同样来自 Tensor Archive
还想收回游戏硬盘的 51% 吗？
Tensor Archive Games 在我们实测的 12 款 PC 游戏库中释放了 51.92% 的持久存储空间，同时确保每次还原精确无误，并继续由 Steam 控制。
释放游戏硬盘空间
游戏硬盘 / 实测语料
精确还原
已释放磁盘空间−51.92%
还原完整性100%
可用产品 · 现已提供
保留模型，收回磁盘空间。
只需连接模型文件夹一次。Tensor Archive 会整理系列、显示可释放空间，并按需准备运行时所需的精确版本。
macOS · Windows · Linux · 100% 无损 · 隐私优先设计