本地模型热潮来袭，但你真的需要吗？本文从硬件配置、模型选择到软件实操，手把手教你算清成本账。显存决定一切，先跑通再买设备才是省钱王道。看完这篇，你就能判断本地模型是“真香”还是“智商税”。

最近全网都在聊“本地模型”，教程满天飞。作为一个做 AI 产品的，我换个角度给小白算笔账。不讲虚的，只讲三件事：怎么选模型、怎么算硬件、怎么配软件。看完这篇，你大概知道自己电脑能跑什么，该花多少钱，以及本地模型到底值不值得折腾。

一、先泼盆冷水：本地模型大概率不如云端

别被“本地”两个字骗了。

云端模型跑在机房里几千张专业显卡上，本地模型跑在你自己的电脑里。云端是庞然大物，本地是“缩小版”。缩小版能干什么？日常问答、翻译、总结、改写文案、简单代码。复杂推理、长篇深度写作、高难度编程，该用云端还得用云端。

成本算账：云端模型很便宜，本地模型要买硬件（英伟达显卡或 Mac），Token 成本远高于云端。

结论：本地模型是“备胎”，不是“正选”。大部分场景，云端模型是首选。

二、那为什么还有人折腾本地？

既然性能不如云端，成本还高，为什么还有人折腾？

主要是四个理由：

1. 隐私：敏感数据不出本地，G 端、医疗、法律场景最刚需。
2. 离线：没网也能用，出差、野外、断网环境不慌。
3. 特殊玩法（无审查）：云端模型有护栏，什么不让跑就是不让跑。本地模型文件在你手里，去护栏的版本可以跑一些“大家心知肚明”的东西（比如跑点“少儿不宜”的小说，或者生成一些云端不让过的图）。当然，法律红线不因为模型没护栏就消失。
4. 可控：没有云端护栏的随时拦截，想怎么问怎么问。

三、硬件怎么配？（钱怎么花）

跑模型，CPU 快慢、硬盘大小都是次要的。决定性数字有三个：显存、带宽、系统内存。

显存（VRAM）：决定模型多大能塞进去。Mac 统一内存，48G 约等于 33G 显存。

带宽：决定模型跑得多快（token/s）。显存大小决定容量，带宽决定速度。

系统内存（RAM）：如果显存不够，模型会溢出到系统内存里。这时候你的 48G Mac 如果只剩 16G 可用内存，跑起来也会卡成 PPT。

算账公式：(可用显存 – 3GB) ÷ 0.6 = 你能跑的最大参数量（Q4 量化）。注：这个 -3GB 是为了给系统预留空间，0.6 是 Q4 量化下的体积系数，仅供参考。

举个例子：48G Mac：(33.6 – 3) ÷ 0.6 ≈ 51B。这个档位，翻译、总结、写方案、简单代码，体面。16G 电脑：(11 – 3) ÷ 0.6 ≈ 13B。日常问答、翻译、写周报够用。8G 电脑：(8 – 5) ÷ 0.6 ≈ 5B。能跑，但别嫌寒酸，足够体面。

一条铁律：同样的显存，装一个压缩过的大模型，胜过装一个不压缩的小模型。14B 压到 Q4 掉的那点智力，远远小于 7B 和 14B 之间的智力差距。先挑显存装得下的最大参数量，再用 Q4_K_M 压。顺序不能倒。

忠告：算完档位，有人一看只能跑 8B，觉得寒酸想先买机器。停一下。顺序反了。先用现有电脑跑通一个小模型，用上两个星期，确认自己真的会用、真的常用，再考虑掏钱。先买设备再培养习惯，是 99% 小白浪费钱的开始。

四、模型怎么挑？（名字怎么看）

打开模型下载页，你会看到一串名字：Qwen3-30B-A3B-Instruct 或 DeepSeek-R1-Distill-Qwen-14B。看着像乱码，其实是一套命名公式。

B（十亿）：脑细胞数量。7B = 70 亿参数，30B = 300 亿参数。脑细胞越多，能记住的知识越多，但也越占地方。参数量决定了模型智力上限，也决定了你的电脑装不装得下。

后缀：Base（半成品，不选）、Instruct/Chat（成品，选这个）、Distill（蒸馏版，推理强，选这个）。

MoE（AxB）：混合专家模型。30B-A3B 意思是专家团一共 300 亿参数，每次干活只动用 30 亿。性价比高。

选型原则（怎么考它）

别迷信综合排名，要看你的具体需求：

中文场景：无脑选 Qwen 系，中文能力在同尺寸里是最强的一档。

代码场景：找名字带 Coder 的。

推理场景：找带 R1、Thinking 的。

不知道选哪个，就选Q4_K_M。这是整个社区公认的甜点档位，质量和体积的最佳平衡。

五、去哪里下模型？（实操干货）

这是小白最头疼的问题。别去那些乱七八糟的论坛找，掌握这三个渠道就够了：

Hugging Face（全球最大）：全球最大的开源模型社区。这里什么都有，从几亿参数的玩具到几百亿参数的巨兽。缺点是下载速度对国内用户不太友好，需要科学上网或者用代理。

ModelScope（魔搭社区）：国内版 Hugging Face，由阿里牵头。优点是下载速度快，不用梯子，而且很多国内模型（如通义千问、Llama 中文版）都在这里。小白首选。

LM Studio 商店：如果你装了 LM Studio（后面会讲），它内置了一个商店。它会直接根据你的电脑显存，告诉你“这个模型你能不能跑”。这是最傻瓜、最不容易出错的方式。

六、软件与实操

LM Studio vs Ollama

两个软件干的是同一件事，底层引擎一样，速度没区别。

小白从 LM Studio 起步，图形界面，内置商店会提示你能不能跑。

Ollama更适合极客，通过命令行操作，方便把模型接进其他开发环境。

两个软件可以共存，互不干扰，按需选择即可。

七、玩出花（生图/视频）

本地不光能跑聊天模型，还能生成图片和视频。这是另一个世界，模型、软件、规矩全换了一套，但规矩还是那一条：显存决定一切。

生图模型分三档：文生图主流就三个系列，对应三个显存档位。显存够到哪档跑哪档。软件用ComfyUI，界面是“节点式”的，一个个方块用线连起来，像电路图。新手不用自己连，装好后加载别人做好的工作流文件，点一下运行就出图。生图对显卡挑剔远超文本模型，英伟达什么都能跑，Mac 能跑但慢，AMD 最折腾。

生视频：这现在是 AI 领域的“圣杯”，也是最大的坑。

开源界：阿里的 Wan 系列、腾讯的混元系列、智谱的 CogVideoX、以及 Stable Video Diffusion (SVD)。

闭源界：OpenAI 的 Sora、Runway 的 Gen-3/Gen-4、Pika 等。

现状：离好用还有距离。24GB 顶级显卡，生成 5 秒 720p 视频，要算大约 9 分钟。而且生视频是抽卡游戏，动作崩了、画面闪了重抽。抽五次才出一条能看的，就是 45 分钟换 5 秒钟。云端视频服务一两分钟出片。本地生视频目前的意义在尝鲜和学习，谈生产力还早。满足三条再入坑：24GB 以上英伟达显卡、玩熟了 ComfyUI、对着显卡吭哧吭哧算视频这件事本身让你感到快乐。差一条，都建议再等等。

八、总结

别先买设备再培养习惯。

除非特殊需求（隐私、离线、无审查），否则不建议花大价钱买机器跑本地。

大部分场景，云端模型是首选。