断网也能干活:这个免费开源的 Mac AI 助手,把 DeepSeek 和 Qwen 关进了苹果沙箱

一、先说一段这周的争论

这周 X 上有一段 Sam Altman 的讲话片段很火，单条转录帖的曝光超过 350 万。

他的意思大概是：很多人以为有了开源模型，在自己电脑上跑 AI 就行了，不需要数据中心。但从全球资源分配看，这"相当糟糕"：每个人电脑里都塞着一堆稀缺的内存，大部分时间只用到 5% 左右。要应对算力紧缺，就应该在云端把利用率拉满。

这段话一出来，评论区直接炸了。

知名硬件博主 Jeff Geerling 回了一句："我家割草机一周也就用一次，我是不是该找 OpenAI 租一台？"顺手又补了一刀："而且，内存短缺是谁造成的？可不是普通消费者。"这条回复拿到了 7000 多个赞。

图：Jeff Geerling 回复 Sam Altman 的讲话片段（来源：X @geerlingguy）

有意思的是，就在同一周，一个做了好几年 Mac 本地 AI 的团队，交出了一份完全相反的答卷。

他们把一个 7630 亿参数的 DeepSeek 模型，量化后塞进了 Mac。再配上 Python、Node.js、LibreOffice、FFmpeg 等一整套工具，做成一个可以断网工作的 AI 助手，而且整个 App 开源。

它叫 Local Code，来自 Draw Things 团队。

国内这款产品目前还很少有人讨论。我翻了一圈，只看到零星几条推文和个别技术博客，主流科技媒体基本没报。所以今天这篇，AI猫把它拆开讲讲。

二、Local Code 是什么？

一句话：一个装在 Mac 上、能真正干活的本地 AI 助手。

注意"干活"两个字。它不是又一个本地聊天框，而是能自己写代码、跑代码、改文件的 Agent。

按官方 GitHub 的说法，它把三样东西装进了一个 App：

1. 推理引擎：专门为苹果芯片优化，负责在你的 Mac 上跑大模型；

2. Harness（可以理解为"驾驭层"）：针对每个模型单独调过的工作流，告诉模型怎么规划、怎么调用工具；

3. Agent 运行环境：内置 Shell、Python 3.14、Node.js 24，还有 LibreOffice、FFmpeg、浏览器、Lean 定理证明器等工具。

开发团队 Draw Things 你可能听过，它是 Mac 和 iPhone 上很有名的本地 AI 绘图 App。核心开发者 Liu Liu 的 X 简介写着：2014 到 2020 年写过 Snapchat 的 iOS 客户端，2013 年参与创建了 Facebook Videos。

官方列出的能做的事包括：

• 用本地 Python 画精确的饼图、柱状图、信息图；

• 做带动效的幻灯片和讲解视频；

• 写 Python、JavaScript，或者帮你审代码；

• 打开网站、登录账号、帮你预约；

• 连接照片、日历、备忘录、邮件、信息，帮你总结或整理；

• 更新 Excel、读 Word、按要求改 PPT。

官网首页的口号很直接：严肃的 AI 工作，永远不离开你的 Mac。

图：Local Code 官网首页（来源：getlocalcode.app）

三、为什么值得关注？三个关键点

1. 它跑的是国产开源模型

Local Code 内置的三个模型，全部来自中国团队：

发布文章里，团队还专门感谢了 DeepSeek 和 Qwen 团队开放权重。

这件事本身就很有意思：一款面向海外 Mac 用户的明星本地 AI 产品，底座是国产开源模型。它说明在"本地能跑的最强模型"这条赛道上，国产开源已经是事实上的首选。

2. 安全边界交给苹果，而不是开发者

这是 AI猫觉得最值得说的一点。

现在主流的编程 Agent，比如 Claude Code、Codex、OpenCode，大多直接跑在你的电脑上。它们也有权限确认，但 Local Code 团队在公测文章里说得很直白：这些工具本身是带着完整权限运行的，能看到电脑上的一切。

Local Code 换了个思路：

• 所有工具（Shell、Python、Node 等）都被编译进 App 本身，在 App 的进程里运行；

• 整个 App 跑在苹果的 App Sandbox（应用沙箱） 和 Hardened Runtime 里；

• Agent 没有全盘访问权限，也不能启动你电脑上的其他程序；

• 它只能读写你授权的工作区文件夹。

Liu Liu 在 MacRumors 评论区的解释很到位。大意是：其他工具会保护你不被"别的坏 App"伤害，但没法保护你不被它自己伤害。Local Code 让苹果来给它上锁，所以你信任的是苹果，而不是我们。

他还加了一句：代码全开源，你不用信我说的，可以让你的 Agent 逐条去验证。

图：官网对沙箱权限的说明，左边是三层隔离，右边是能做和不能做的事（来源：getlocalcode.app）

3. 开箱即用，不用折腾

以前想在 Mac 上跑本地大模型干活，大概要这样折腾：装 Ollama 或 LM Studio，下模型，装 Python 环境，再找个 Agent 框架接上，最后配 MCP……

Local Code 的思路是：下载 App → 选模型 → 开始干活。不用注册，不用 API Key，也不用装外部 MCP 服务器。

据 Liu Liu 说，整个 App 只有六百兆左右，ffmpeg、LibreOffice、Python、Node.js、Lean 都已经打包在里面。

四、怎么上手？

第 1 步：下载

官网 getlocalcode.app 提供直接下载。10 月 31 日，官方账号宣布已经上架 Mac App Store，Liu Liu 称它是"Mac App Store 里第一个也是唯一一个本地编程 Agent"。国区 App Store 能不能搜到，建议你自己确认一下。

第 2 步：选模型

打开 App 后，内置的模型选择器会根据你的内存推荐：

• 32GB 以下：Qwen 3.8 27B（2 位，约 9.6GB）

• 32GB 及以上：Qwen 3.8 27B（4 位，约 21.3GB）

• 48GB 及以上：DeepSeek 4 Flash 0731

• 64GB 及以上：DeepSeek 4.1 Flash 1017

之后随时可以切换。

第 3 步：确认两个关键设置

• Where Models Run（模型在哪跑）：选 On Device，提示词、文件和工具输出都留在本机；

• Permitted Folders（允许的文件夹）：只开你想让它碰的文件夹。

第 4 步：像使唤同事一样下任务

官网演示里的几个例子可以直接参考：

• "用 sales.xlsx 画出第三季度营收图表，做一份 5 页的 PPT。"

• "按月画出营收趋势，有异常的地方标出来。"

• "把我下周的日历做成一段讲解视频。"

第 5 步（可选）：接云端模型

如果本地模型不够用，也可以接 Claude、ChatGPT、OpenRouter 或任何兼容 OpenAI 接口的服务。官网写着自带 Key 不加价，也可以买 9.99 美元起的预付额度。但要注意：一旦选了云端模型，你的提示词和文件就会发给对应厂商，"不出本机"的承诺就不成立了。

图：官网按 Mac 内存给出的模型建议，斜线表示部分模型从 SSD 流式加载（来源：getlocalcode.app）

图：官网产品演示中的设置页，Where Models Run 选 On Device（来源：getlocalcode.app）

五、硬核部分：376GB 的模型，怎么塞进 Mac？

你可能会问：一个 376GB 的模型，64GB 内存的 Mac 怎么跑得动？

答案是 MoE（混合专家）+ SSD 流式加载。

DeepSeek 是混合专家模型，每次推理只激活一部分"专家"。Local Code 的做法是把最常用的专家留在内存里，其余的从 SSD 按需读取。

README 里写了两条规矩：常驻内存的专家，不超过"总内存减 32GB"，也不超过加载时空闲内存的 72%。这样做是给你的其他 App 留出空间，Mac 不至于卡死。

官方给的速度（tokens/秒，前一个数字是"读题"，后一个是"写字"）：

M5 Max 128GB，DeepSeek 4.1 Flash 1017（2 位）：

• 读题（prefill）约 340–355

• 写字（decode）约 16–19

M5 Ultra 256GB，同一个模型：

• 读题约 3800–4600

• 写字约 56–59

作为对比，同一台 M5 Ultra 上，MLX-Serve 和 oMLX 读题大约在 1100–1950。按官方数据，Local Code 在长上下文下快了 2 倍以上。

为什么要盯着"读题速度"？官方 README 解释得很清楚：Agent 每调用一次工具，上下文就变长一截，模型得把整段对话重新"读"一遍才能继续。所以在 Agent 场景里，你等得最多的往往是读题，而不是写字。

至于量化会不会变笨，官方用 2 位版本跑了基准：GPQA Diamond 拿到 93.4%，AIME 2026 是 30/30。不过要说明，这是团队自己跑、自己公布的数据，还没有第三方复现。

图：DeepSeek 4.1 Flash 1017 在 M5 Ultra 上的读题（prefill）速度对比，数据为官方自测（来源：Local Code GitHub README）

六、和其他方案比，差在哪、强在哪？

一句话总结：Ollama 解决"能跑"，Claude Code 解决"能干活"，Local Code 想把两件事在本地、在沙箱里一起解决。

七、冷静一下：它的局限和风险

说完优点，AI猫也得泼几盆冷水。

1. 硬件门槛是真实的

16GB 的 Mac 只能跑 Qwen 27B 的 2 位版本。能跑，但和顶级云端模型还有差距。真正"前沿级"的 DeepSeek 4.1 Flash，官方建议 64GB 起，下载就要 376GB 硬盘。

在 MacRumors 评论区，就有人质疑大模型得 512GB 的 Mac Studio 才跑得动。Liu Liu 反驳说，他在 M5 Max 128GB 上跑得很好。不过他自己也承认，不是每个 Mac 用户都这么幸运，体验会因机器而异。

2. "写字"速度还不够快

M5 Max 上每秒十几个 token 的生成速度，处理长任务是需要耐心的。Liu Liu 自己在 X 上说过，DeepSeek 4.1 Flash 本地生成速度得到每秒 200 左右才算有竞争力，Local Code 的生成速度"目前还有待提高"。

3. 开源 ≠ 能自己编译

README 写明：Mac 版是 Mac Catalyst 构建，依赖一个还没公开的打补丁版 Bazel，暂时没法从源码编出 Mac App。现在能自己跑的是命令行版 LocalCodeCLI。代码可以审查，但"人人自己编译一份"暂时还做不到。

4. 沙箱管不住你主动交出去的东西

沙箱限制的是它能碰什么，但你授权的文件夹、让它登录的网站、连上的邮件和日历，都是你亲手放宽的边界。好在 README 写明：在 Mac 上，备忘录、邮件、信息这三项是只读的，它不能修改或发送。即便如此，"帮你登录网站"这类能力还是要谨慎使用。另外，联网搜索、curl、ssh 这些命令执行时是会真实联网的。

5. 只支持苹果生态

Windows 和安卓用户暂时用不上。

八、谁适合用？

强烈建议试试：

• 手里有 32GB 以上内存的 Apple Silicon Mac；

• 经常处理合同、财报、客户资料这类不想上传的文件；

• 想要本地 Agent，又不想折腾环境的人。

可以先观望：

• 只有 8GB 或 16GB 的 Mac，主要追求模型最聪明；

• 主力是 Windows；

• 已经离不开云端顶级模型，对速度很敏感。

九、AI猫的判断

Sam Altman 那段话，从数据中心的角度看并没有错：集中算力，利用率确实更高。

但他漏掉了一个变量：信任。

很多人不愿意把公司财报、合同、病历、私人聊天记录交给任何一家云厂商。不管对方承诺得多好，对这些人来说，"不出本机"本身就是一个功能，而且是愿意为它多买内存的功能。

Local Code 最聪明的地方，不是推理快了几倍，而是重新划分了信任边界：数据不出本机，信任交给苹果，代码对所有人公开。 这三件事加在一起，才让"本地 AI 助手"第一次像个能托付活儿的东西。

当然，它离"人人可用"还很远。16GB 的体验有限，生成速度也还要提。但方向已经很清楚：

而底下支撑这一切的，是 DeepSeek 和 Qwen 这样的国产开源模型。这可能是这条新闻里，最值得国内读者多想一层的地方。

接下来 AI猫会找机会上手实测，看看 16GB 和 64GB 的 Mac 跑起来到底差多少，到时候给大家出一份实测报告。

你会为了"数据不出本机"，多花钱买一台大内存的 Mac 吗？评论区聊聊。

参考来源

1. Draw Things 官方发布文章：Local Code by Draw Things, open-source frontier intelligence locally on your Mac（2026-10-28）https://releases.drawthings.ai/p/local-code-by-draw-things-open-source

2. Draw Things 官方公测文章：Public Beta of Local Code by Draw Things（2026-09-12）https://releases.drawthings.ai/p/public-beta-of-local-code-by-draw

3. Local Code 官网：https://getlocalcode.app/

4. Local Code GitHub 仓库及 README：https://github.com/drawthingsai/local-code-community

5. MacRumors：Local Code Launches as Free, Private AI Assistant Tool for Mac（2026-10-30）及评论区 Liu Liu 回复 https://www.macrumors.com/2026/10/30/local-code-free-private-ai-tool-for-mac/

6. X @morqon 转录的 Sam Altman 讲话片段：https://x.com/morqon/status/2115838856524120128

7. X @geerlingguy（Jeff Geerling）回复：https://x.com/geerlingguy/status/2115888757476102610

8. X @liuliu 关于 App Sandbox 的说明：https://x.com/liuliu/status/2116211210786132358

9. X @localcodeapp 上架 Mac App Store：https://x.com/localcodeapp/status/2116359519538466816

10. X @liuliu"Mac App Store 第一个本地编程 Agent"：https://x.com/liuliu/status/2116415508048482800

本文为 AI猫实测室原创整理与评论，数据均引自上述官方来源，未经第三方独立复现。