夜雨聆风上一篇我们聊了一个问题：
大模型不只有 ChatGPT、Claude、DeepSeek 官网这种“网络模型”，也有可以跑在自己电脑里的“本地模型”。
这篇就不讲太多概念了。
我们直接做一件事：
把一个大模型，真正部署到自己电脑上。
不过在开始之前，先说一句大实话：
本地部署大模型，不是让你一上来就跑 DeepSeek-V3、Kimi K2、GPT-OSS 120B 这种大家伙。
这些模型确实很强，但对普通电脑来说，基本属于：
看得见，跑不动。
普通人玩本地模型，重点不是追求“最强”，而是先解决三个问题：
我的电脑能跑什么？ 我该下载哪个模型？ 怎么把它跑起来？
这篇就按这个顺序来。
一、先判断：你的电脑到底能跑什么模型？
很多人一听“本地大模型”，第一反应就是：
“我电脑是不是不行？”
“是不是必须 4090？”
“是不是要 64G 内存起步？”
其实没那么绝对。
本地模型能不能跑，主要看几个东西：
显存、内存、模型大小、量化版本。
简单理解：
显存越大，能跑的模型越大。
内存越大，兜底能力越强。
模型越大，效果通常越好，但速度越慢。
量化越低，模型越小，但质量也会有损失。
比如同样是一个 7B 模型，原始精度可能很大，但用 Q4 量化后，体积会小很多，对普通电脑更友好。
所以这一步不要靠猜。
这里推荐一个网站：
CanIRun.ai
你打开之后，它会根据你的电脑配置，估算你大概能跑哪些模型。
它的结果会把模型分成几个等级，比如：
Runs great：跑得很舒服
Runs well：可以正常用
Decent：能用，但可能需要调低要求
Tight fit：勉强能跑，体验可能一般
Too heavy：太重了，不建议硬上
我的建议很简单：
新手只看前三档。
也就是：
Runs great / Runs well / Decent
如果一个模型已经被标成 Tight fit，那就别硬上了。
因为能跑和好用，是两回事。
二、普通人怎么选模型？
如果你不知道选什么，先按这个思路来。
1. 没有独立显卡，只是普通办公电脑
优先选小模型：
1B 3B 4B
这类模型不要指望它写复杂方案，但做简单问答、改写、总结、翻译、学习体验，是够用的。
比如可以先试：
Llama 3.2 3B Qwen 3 4B Gemma 小尺寸模型
2. 有 8GB 显存
比如 RTX 4060、3070、部分游戏本显卡。
可以尝试：
7B 8B 部分 14B 的低量化版本
这个档位是普通玩家比较舒服的入门区。
中文聊天、简单代码、文档总结类任务，都可以试试。
3. 有 12GB 到 16GB 显存
比如 3060 12G、4070Ti、4080 这类机器。
可以考虑：
8B 14B 20B 左右的量化模型 部分 32B 的低量化版本
这个档位已经比较能玩了。
写代码、写文章、做知识库问答、分析文档，都可以尝试。
4. Mac 用户怎么看？
如果你是 M 系列芯片，比如 M1、M2、M3、M4，它和普通 PC 不太一样。
Mac 是统一内存，不是独立显存。
所以 Mac 不是只看“显卡显存”，而是看总内存。
16G、32G、64G 的体验差距会很明显。
Mac 用户也可以直接用 CanIRun.ai 看结果，别自己猜。
三、部署方式一：Ollama，适合喜欢简单命令的人
如果你想用最简单的方式跑模型，我建议先用 Ollama。
你可以把 Ollama 理解成“大模型版 Docker”。
安装好之后，一条命令就能下载并运行模型。
第一步：安装 Ollama
Mac 和 Linux 可以用命令安装：
curl -fsSL https://ollama.com/install.sh | sh
Windows 用户可以去 Ollama 官网下载安装包。
安装完成后，打开终端，输入：
ollama -v
如果能看到版本号，说明安装成功。
第二步：运行一个模型
比如我们先跑一个小一点的模型：
ollama run llama3.2:3b
或者跑 Qwen：
ollama run qwen3:4b
如果你的显卡和内存更好，也可以试试：
ollama run qwen3:8b
第一次运行会自动下载模型。
下载完成后，终端里就会出现一个对话框，你可以直接输入问题。
比如：
请用通俗的话解释一下什么是本地大模型
如果它正常回复，说明你已经成功在本地跑起来了。
注意，这一步之后，你的电脑即使断网，也可以继续和这个模型聊天。
前提是模型已经下载好了。
四、部署方式二：LM Studio，适合不想敲命令的人
如果你不喜欢终端，也可以用 LM Studio。
它更像一个本地版 ChatGPT 客户端。
安装之后，可以直接在界面里搜索模型、下载模型、加载模型，然后聊天。
大致流程是：
安装 LM Studio 搜索模型，比如 Qwen、Llama、Gemma 选择合适的量化版本 下载模型 加载模型 开始聊天
新手重点看模型后面的大小。
不要看到一个模型名字很厉害就直接下。
比如 70B、120B 这种，对普通电脑来说大概率跑不动。
如果你是第一次尝试，优先选择：
3B、4B、7B、8B
量化版本建议先选：
Q4_K_M
这个版本通常是体积和效果比较平衡的选择。
五、本地模型跑起来之后，能干什么？
本地模型跑起来以后，可以做很多事。
1. 处理私密内容
像工作笔记、会议纪要、内部文档，不想上传到网络模型，就可以丢给本地模型处理。
当然，前提是你自己电脑配置够，模型能力也够。
2. 离线使用
断网的时候，本地模型仍然可以工作。
比如出差、高铁、网络不好，依然可以让它帮你写东西、改文案、做总结。
3. 接入自己的工具
Ollama 默认会在本地启动一个接口。
很多 AI 工具都支持接入 Ollama。
默认地址一般是：
http://localhost:11434
这就意味着，你不只是能在终端里聊天，还能把本地模型接到别的软件里。
这才是本地模型真正有意思的地方。
六、几个新手最容易踩的坑
坑一：模型越大越好
不是。
模型越大，确实可能更聪明，但也更吃机器。
如果你的电脑跑一个模型已经很吃力，那它回复会很慢，甚至卡死。
新手先选能流畅跑的。
流畅，比参数大更重要。
坑二：显存刚好够就硬跑
也不建议。
比如一个模型需要 8GB 显存，你的显卡刚好 8GB。
理论上能跑，但实际体验可能一般。
因为模型运行时不只占模型文件本身，还会占上下文缓存、运行时开销。
所以最好留一点余量。
坑三：量化版本乱选
量化版本不是越小越好。
太小的量化版本虽然更省资源，但回答质量可能会下降。
新手不知道怎么选，就先记一个：
Q4_K_M
它通常比较适合作为第一次尝试。
坑四：本地模型可以完全替代网络模型
目前还不能完全替代。
本地模型的优势是：
隐私好 可离线 可控 不用每次请求云端
但网络模型的优势也很明显：
能力更强 上下文更长 多模态更完整 深度推理更稳 可以联网搜索
所以我的建议不是二选一。
而是：
普通问题、本地资料、隐私内容，用本地模型。
复杂推理、联网搜索、重要方案，用网络模型。
这样更现实。
七、总结一下
如果你也想尝试本地模型，不要一上来就折腾一堆复杂教程。
按这个顺序来就行：
第一步，打开 CanIRun.ai，看你的电脑能跑什么。
第二步，优先选择 Runs great / Runs well / Decent 的模型。
第三步，新手从 3B、4B、7B、8B 开始。
第四步，命令党用 Ollama，普通用户用 LM Studio。
第五步，先跑起来，再慢慢研究知识库、插件、Agent 接入。
本地模型最重要的不是“跑最强模型”。
而是让你第一次意识到：
原来 AI 不一定非要在云端。
它也可以在你自己的电脑里。