Can I Run AI:检测电脑能不能运行本地大模型的网页工具

一个帮你快速判断"你的电脑能不能跑本地AI模型"的在线工具，输入你的硬件配置，秒出能跑哪些模型、跑得怎么样。

本地部署AI（Local AI）近两年爆火，Ollama、LM Studio等工具大幅降低了本地跑大模型的门槛，普通用户也想在自己电脑上跑Llama、Qwen、DeepSeek等模型。

核心痛点：

• 不知道自己的GPU/显存能不能跑某个模型，下载了几十GB才发现跑不动，浪费时间
• 模型参数众多（1B到数百B），选择困难
• 需要懂VRAM占用、内存带宽等技术知识才能自己判断，门槛高
• 各模型量化版本繁多，更难比较

核心功能要点

硬件输入方式：

• 选择预设GPU（覆盖NVIDIA、AMD、Intel、Apple Silicon、高通骁龙、树莓派等几乎所有主流硬件）
• 手动自定义 VRAM / 内存带宽 / RAM / CPU核心数
• 通过浏览器API自动检测（估算，非精确）

输出评分体系（6档）：

评级	含义
RUNS GREAT	流畅运行，推荐
RUNS WELL	运行良好
DECENT	勉强decent，速度一般
TIGHT FIT	内存刚好卡线，不稳定
BARELY RUNS	极慢或需借用RAM
TOO HEAVY	完全跑不动

每个模型显示：

• 所需VRAM大小
• 内存占用百分比（超100%说明要溢出到RAM）
• 上下文长度（ctx）
• 预估推理速度（tok/s）
• 许可证类型（商用/非商用）
• 发布时间

真正解决了什么问题

把"能不能跑"这件原本需要专业知识才能判断的事，变成了5秒钟的傻瓜操作。

具体来说：

1. 省去了自己计算模型量化后显存占用的麻烦
2. 避免了"下载完发现跑不动"的时间浪费
3. 给出速度预估，帮你判断"能跑"但"慢到不可用"的情况
4. 内存溢出场景也做了提示（↗ RAM标注），帮你预判体验质量

使用步骤

1. 打开 canirun.ai
2. 在GPU下拉框中选择你的显卡（或手动填入VRAM/带宽）
3. 填写系统RAM大小
4. 页面自动刷新，所有模型按能否运行重新排序评级
5. 用任务类型/许可证/厂商等筛选器缩小范围
6. 找到适合的模型后，去Ollama/LM Studio下载运行

与同类工具的区别

对比项	CanIRun.ai	手动查llama.cpp文档	Ollama官网	HuggingFace模型页
硬件适配判断	✅ 自动	❌ 手动计算	❌ 无	❌ 无
速度预估	✅ 有	❌ 无	❌ 无	❌ 无
多模型横向对比	✅ 强	❌ 难	部分	❌ 难
移动端/集显支持	✅ 覆盖	❌ 极少	❌ 少	❌ 无
学习门槛	极低	高	低	中

亮点是覆盖了骁龙Adreno、ARM Mali、Iris Xe这类非主流GPU，这是同类工具很少做到的。