最近硬盘实在太贵，但各家模型档是越出越大，想到接下来还有Qwen4系列就头大。

系列ｘ版本ｘ社群微调ｘ权重，太恐怖了。于是我就找了Claude商量，能不能把模型档搞小点，但要无损的，于是最终讨论出来的方案就是：

ZipNN概念算法+Delta增量储存

ZipNN是IBM的论文，概念是压缩指数部分、保留浮点，对于BF16这类格式可以压缩到66%左右；
Delta增量储存，则是可以重复利用每个模型中的重复权重。效益视权重重复性有多高。
如果不适用于这两种，那就几乎不会有压缩效果，大概顶多只能节省 1-3 % 的空间。

这是一张范例图，可以由箭头指出增量的上下游关系：

它基于 Python 3.13，使用 NumPy 和 zstandard 函式库。
它有一个命令列介面（每个命令都可以列印 JSON 资料行，用于脚本和代理），以及一个GUI视窗。

最简单的设定方法：让 AI 代理程式存取程式码仓库，并按照建置指南进行操作。它会产生一个便携式副本，因此不会在系统范围内安装任何东西。

GUI视窗执行画面：

如果各位觉得AI时代介面还这么土味，不喜欢，还有Godot版、Cyber​​ neon风的：

这是 github 连结：OverCompressing

初来贵宝地，有何不周之处还请海涵赐教。