ARTICLE · 1036054
8G内存的破电脑别扔:5个本地AI小模型我挨个拉下来跑了一遍
Ollama那篇教程发出去，后台问得最多的一句话是：我电脑就8G内存，到底能跑哪个？
说实话，这个问题我自己也好奇。于是这两天我把5个标称低配能跑的模型挨个用ollama pull拉了下来，拿同一组活儿去试：日常问答、写段中文、解释代码、算个小账。
先把结论撂在这：8G内存确实能跑本地AI，但不是随便挑。选错了，风扇狂转、一句话吐十秒，你会以为电脑要炸。下面这5个，是我筛完真正能用的。
💡 8G内存能不能玩本地AI？能。关键不是"参数越大越好"，而是模型和你的活儿要对上。
先说怎么装，一行命令的事
装过Ollama的直接跳过。没装的去 ollama.com 下个安装包，Win、Mac都支持，一路下一步。装完打开终端（Windows是PowerShell），输入：
$ ollama run 模型名
回车，它自己下载、自己启动，下完直接进入对话界面，就能打字问了。不想聊了输入 /bye 退出。模型下载一次就存在本地，以后再用秒开，不重复花流量。
下面5个，全部都能这么一行搞定。
1. Qwen3:4b —— 日常首选，中文最顺
安装命令（复制即用）：
$ ollama run qwen3:4b
下载体积大约2.5G，运行占4G左右内存。
这是5个里我最愿意留着天天用的。阿里通义千问的开源版，中文是它的主场，你用大白话问，它不跟你端着。写个请假条、解释一段报错、总结一份长文档，都稳。
一个坑提前说：Qwen3默认开"思考模式"，回答前会先哼哼唧唧推理一大段，低配机上这段最磨时间。嫌慢就在对话里输入 /set parameter think false 关掉，或者提问时直接加一句"别思考，直接答"，速度立刻快一截。
2. Gemma3n:e2b —— 谷歌家的，能看图能听声音
安装命令（复制即用）：
$ ollama run gemma3n:e2b
磁盘上大约1.55G。
谷歌专门给手机、笔记本这类设备做的型号。名字里的E2B有点意思：原始参数看着像50亿，但它用了个叫"逐层嵌入"的省内存技术，实际占用跟20多亿的小模型差不多。
我试它是冲着多模态去的——这是5个里少数能直接看图的。丢张截图让它说图里写了啥、帮你认个菜单，都行。纯写中文它不如Qwen顺，但涉及看图、处理点音频相关的活儿，这个体积下基本没对手。
3. Phi-4-mini —— 微软出品，算账和推理的怪咖
安装命令（复制即用）：
$ ollama run phi4-mini
38亿参数，Q4量化后大约3.5G内存。
微软这个小模型脾气很鲜明：话不多，但算数、讲逻辑是真硬。它有个专门的推理版本phi4-mini-reasoning，官方给的数据里，数学测试MATH-500能跑到94.6分，超过不少体积翻倍的模型。
但坑也在这。推理版喜欢先写一长串思维链，8G内存纯CPU跑起来，你能去倒杯水再回来看答案。而且它毕竟是微软家的，中文表达偶尔有点翻译腔。我的建议：日常聊天别用它，真要算个分期、理个逻辑、解个题，再请它出山。
4. DeepSeek-R1:1.5b —— 想体验"会思考"，用它入门
安装命令（复制即用）：
$ ollama run deepseek-r1:1.5b
5个里最小的之一，1G出头就能跑。
DeepSeek的蒸馏小模型，带R1那套"先想后答"的路子。它最大的价值是让你在一台破电脑上，亲眼看看推理模型是怎么一步步琢磨问题的，门槛极低。
得说实话，1.5B这个体格，智商上限摆在那，复杂点的问题它会绕、会出错，别指望它干正经活。我的定位很清楚：给孩子看个新鲜、自己学习理解"思维链"是什么、或者电脑实在拉不动别的，当个保底。
💡 没有最好的本地模型，只有最配你那台电脑的模型。跑得动，才用得起来。
5. Llama3.2:3b —— Meta的老实人，英文活稳
安装命令（复制即用）：
$ ollama run llama3.2:3b
Q4量化后大约2G文件、3.5G上下内存。
Meta的开源老牌，生态最成熟，教程、第三方工具一搜一大把。英文资料处理、写英文邮件、看英文报错，它很可靠，回答风格也克制不啰嗦。
短板同样是中文。它不是不能说中文，是说出来的味道和准确度，明显被Qwen3压一头。如果你主要处理中文，它排后面；如果工作里英文内容多，它值得占一个坑。
我自己的搭配建议
别贪多，8G内存留两个就够：
▪️ 主力装 qwen3:4b，九成日常中文活都归它，记得关掉思考模式提速；
▪️ 再按需求补一个——常看截图选 gemma3n:e2b，常算数理逻辑选 phi4-mini，英文多选 llama3.2:3b；
▪️ deepseek-r1:1.5b 当体验款和保底，跑不动别的时它永远能顶上。
还有个最实在的提醒：跑之前把浏览器、微信这些占内存的大户关掉几个。8G是真8G，系统自己还要占两三G，留给模型的余量没你想的那么宽。开着十几个网页硬跑，再小的模型也得卡给你看。
顺便给两个我自己摸索出来的小操作。想知道电脑到底多大内存，Windows右键任务栏开"任务管理器"，在"性能"那一页看；Mac点左上角苹果图标、选"关于本机"。模型装多了占硬盘，用 ollama list 能看到所有已下载的和各自体积，想删哪个就 ollama rm 模型名，干干净净。
本地AI这事儿，门槛真没那么高。你不需要新电脑，也不用每月掏会员费，一个下午就能把自己的离线助手搭起来，数据还不出本机。
关注深度思考.ai实践，我只写照着做就能上手、能省钱的AI实操。这个「普通电脑玩转AI」系列会一直更，关注后下一篇第一时间推给你。下期写《本地AI和在线AI到底怎么分工》，告诉你哪些活该交给本地、哪些老老实实上网用。
觉得有用，转给那个总说"我电脑太烂玩不了AI"的朋友——他的电脑大概率行。
点「阅读原文」，直达Ollama官网和模型库，命令复制过去就能跑。