Qwen AI：免费的 Qwen Chat 还是本地 Qwen ?

#Qwen AI 简介：一项服务与一个模型系列

Qwen 是阿里巴巴开发的大语言模型系列的名称。这个名称下其实包含三种不同的东西，在做任何选择之前都需要先把它们区分开来。

Qwen Chat（chat.qwen.ai）

一款网页对话应用，原理上类似于 ChatGPT 或 Le Chat。您在浏览器中输入内容，回复则在阿里巴巴的服务器上计算生成。

阿里云的 Qwen API

同类模型，但通过程序调用并按用量计费。这是获取最大规模模型的渠道，例如 Qwen 3.8-Max，该模型自 2026 年 8 月 3 日起通过 API 提供，其权重未公开发布。

开放权重的 Qwen 模型

发布在 huggingface.co/Qwen 上的模型文件，您只需下载一次，即可使用 Ollama、LM Studio 或 llama.cpp 在本地运行。近期示例：Qwen3.8-27B，于 2026 年 8 月 14 日以 Apache 2.0 许可证发布。

因此，“Qwen AI 是免费的吗？”这个问题有两个答案。在线使用时，Qwen Chat 的基础访问无需付费，但您的消息会发送到阿里巴巴，且使用仍受服务条款约束。本地使用时，模型本身不花一分钱，数据也留在您的机器上，但运算由您自己的硬件承担，而且只有部分变体可供下载。

#Qwen Chat：阿里巴巴的在线助手

Qwen Chat 是 Qwen AI 面向大众的界面。可在任意浏览器中通过 chat.qwen.ai 访问，无需安装任何东西。通过选择器可以在多个 Qwen 模型中进行选择；该列表会随新版本发布而变化，其中可能包含仅提供托管版本的模型。

对于初次了解 Qwen 来说，其优势显而易见：无需显卡，可使用的模型远大于台式电脑所能加载的规模，并且自带现成的界面和对话历史。Qwen 能够很好地理解和撰写法语，因此对于搜索“Qwen AI en français”的用户来说，是一个容易上手的入口。

代价与所有在线服务相同。每条消息、每个附件都会被发送到阿里巴巴运营的远程服务器上并在那里处理。QuelLLM 的中国 LLM 概览也提醒道：对于云服务，发布方所属的司法管辖区及其数据保留政策确实很重要。在粘贴合同、客户数据或内部文档之前，请先阅读该服务展示的使用条款和隐私政策。

访问

浏览器，无需安装。为保留历史记录或使用某些功能，可能需要登录账号：请以您打开页面时显示的内容为准。

模型

由阿里巴巴选择开放的那些。在 Qwen Chat 中可见的模型，不一定以开放权重形式发布。

数据

在阿里巴巴的服务器上处理。离线时完全无法使用。

稳定性

该服务可能随时更改默认模型、功能或限制，而您无法锁定某个版本。

#免费的 Qwen AI：哪些免费，哪些不免费

根据您使用的 Qwen 渠道不同，“免费”一词涵盖三种截然不同的情况。

1. 01
   Qwen Chat：免费使用，但须遵守服务条款

   聊天无需付费，但访问受阿里巴巴制定的使用规则约束（用量限制、高需求时段的优先级、仅限账号使用的功能）。这些规则并非稳定的承诺。如果某个具体配额对您的使用很重要，请亲自在服务页面上记录，并注明记录日期：从论坛或旧文章中读到的数字毫无价值。
2. 02
   阿里云 API：按用量付费

   一旦您想从程序、脚本或托管在阿里巴巴的自动化流程中调用 Qwen，就需要使用阿里云的 API，按用量计费。本指南不详细介绍该价格表：请直接在阿里云查阅，因为价格因模型和地域而异。
3. 03
   本地运行 Qwen：免费、无配额限制，但依赖您自己的硬件

   开放权重模型可免费下载。大多数近期变体以 Apache 2.0 许可发布，也允许商业使用；不过仍请检查具体仓库中的 LICENSE 文件。无需账号，没有消息数量限制，也不会因服务饱和而中断。真正的成本是您机器的内存、电费和安装所花的时间。

此外，监听在 http://localhost:11434 上的 Ollama 本地 API，相当于为您自己的脚本提供了一个免费的 Qwen API：只要机器在运行，您就可以随意调用，唯一的上限是您的硬件算力。

#托管模型还是开放权重：避免被错误教程误导的关键区别

这是围绕 Qwen AI 最容易引起混淆的一点。阿里巴巴经常推出旗舰版本（通常称为“Max”），先在 API 和 Qwen Chat 中提供，或仅在其中提供，随后再以开放权重形式发布较小的变体。代际名称相同，能力却不同。

Qwen 3.8 就是最新的例子。Qwen 3.8-Max 号称是一个约 2.4 万亿参数、支持一百万 token 上下文的 MoE 模型，自 2026 年 8 月 3 日起通过 API 提供；其权重并未发布，而且无论如何也无法在任何消费级机器上运行。Qwen3.8-27B 是一个 270 亿参数的稠密模型，于 2026 年 8 月 14 日以 Apache 2.0 许可证在 Hugging Face 上发布，同日还推出了官方 Ollama 标签。两者都叫“Qwen 3.8”，但只有一个能装在您自己的机器上。

仅限托管

可通过 Qwen Chat 或 API 访问。无需下载任何文件。任何声称可以“在本地”安装它的页面，要么有误，要么说的是另一个模型。

开放权重

huggingface.co/Qwen 上的公开仓库、模型卡片、许可证文件，通常还有 Ollama 标签或可直接用于 LM Studio 的 GGUF 文件。

已宣布，尚未发布

仅在会议或博文中被提及，尚未发布到仓库。2026 年 8 月 3 日至 13 日期间，Qwen3.8-27B 就处于这种状态，而当时已有许多文章将其描述为可以安装。

#亲自验证 Qwen 变体能否下载

判断方法很简单：这个模型现在能否通过一条命令下载，而无需排队等候？三项检查就足够了，而且它们对后续几代模型同样适用，包括在本页内容过时之后用来检验本页本身。

1. 01
   在 Hugging Face 上查找该仓库

   打开 huggingface.co/Qwen，搜索变体的确切名称（例如 Qwen3.8-27B）。包含权重文件和模型卡的公开仓库才是已发布的证明。仅有合集页面或公告页面是不够的。
2. 02
   阅读此仓库的许可证

   LICENSE 文件或模型卡片的头部会注明使用条款。Apache 2.0 在 Qwen 中很常见，但某些旧版或特定变体可能采用自定义许可证：应以具体仓库为准，而非该系列的名声。
3. 03
   在 Ollama 中测试该标签

   在 ollama.com/library 上查找模型，然后开始下载。如果该标签不存在，Ollama 会返回错误，而不会下载任何内容。获取模型后，ollama show affiche 其特性（参数、量化、上下文、许可证）。

# 1. Lister les dépôts publics de l'organisation Qwen contenant « 3.8 »
curl -s "https://huggingface.co/api/models?author=Qwen&search=3.8" | grep -o '"id":"[^"]*"'

# 2. Télécharger le modèle si le tag existe (erreur sinon)
ollama pull qwen3.8:27b

# 3. Afficher ses caractéristiques une fois téléchargé
ollama show qwen3.8:27b

如果第一条命令没有为某个已宣布的变体返回任何仓库，说明它尚未发布：不必再去找安装教程。如果返回了仓库，但还没有任何 Ollama 标签，Hugging Face 上通常会出现社区制作的 GGUF 文件，可以加载到 LM Studio 中；此时请在使用前先核实这些文件的制作者。

#哪款开放的 Qwen 模型适合您的机器？

在本地，决定性因素不是模型的代际，而是模型大小与您显卡显存（VRAM）或 Mac 统一内存的对比。采用 Q4_K_M 量化（入门时质量与体积的最佳折中）时，QuelLLM 给出的参考值如下：3B ≈ 2 GB，7B ≈ 5 GB，14B ≈ 9 GB，32B ≈ 19 GB，70B ≈ 40 GB。另需为上下文和系统预留 1 到 2 GB。

8 GB 显存或 16 GB Mac

一个参数量为 40 亿至 90 亿的 Qwen，例如 Ollama 中的 qwen3.5:4b 或 qwen3.5:9b。足以应对法语聊天、改写和简单问答。

12 GB（RTX 3060 12 GB，RTX 4070）

一个 14B 左右的 Q4_K_M 模型，或一个 9B 的 Q8_0 模型，并为更长的上下文留出余量。

16 GB（RTX 4080）

中等模型中的较大者，或部分溢出到系统内存的 MoE 模型，吞吐量较低。

24 GB（RTX 4090）或 32 GB 及以上的 Mac

Qwen3.8-27B（根据 Ollama 模型库，Q4_K_M 量化下为 18 GB），或 MoE 模型 Qwen3.6 35B-A3B。在这一档位，本地模型在日常使用中最接近在线助手。

需要分析图像

Qwen3-VL，即视觉版本，例如 qwen3-vl:8b。其安装方法和局限性在专门的指南中有详细介绍。

不要试图在本地复现 Qwen Chat 中最大的模型：这既不可能，也没必要。9B 到 27B 的模型足以胜任大部分写作、摘要和日常编码任务；请用您自己的示例来判断。对于确实需要旗舰模型的任务，在线服务仍是解决方案，前提是您的数据可以发送到那里。

#使用 Ollama 或 LM Studio 在本地安装 Qwen

两款免费工具即可满足大部分需求。Ollama 在后台运行，通过命令行或 API 操作；人们通常会再搭配 Open WebUI，以获得类似 Qwen Chat 的界面。LM Studio 是一款一体化桌面应用，内置模型搜索和对话窗口。以下是最快捷的上手路径。

1. 01
   安装工具

   从 ollama.com 下载 Ollama，或从 lmstudio.ai 下载 LM Studio，支持 Windows、macOS 和 Linux。Ollama 会启动一个监听 http://localhost:11434 的本地服务。
2. 02
   根据内存选择模型大小

   请参考上一节中的要点。如果拿不准，先从 4B 到 9B 的变体开始：下载速度快，也便于您评估其法语表现。
3. 03
   下载并启动模型

   使用 Ollama，只需一条命令即可获取权重并在终端中打开对话。在 LM Studio 中，在模型搜索框输入“qwen”，选择大小合适的 Q4_K_M GGUF 版本，然后在聊天选项卡中加载它。
4. 04
   确认一切都在本地运行

   模型下载完成后，断开网络继续对话：依然能收到回复。这就是与 Qwen Chat 的实际区别。
5. 05
   接入您的工具（可选）

   借助 Ollama 的 API，您可以在脚本、代码编辑器或 Open WebUI 中使用 Qwen，无需密钥，也没有配额限制。

# Petite machine (8 Go de VRAM ou Mac 16 Go)
ollama run qwen3.5:9b

# Carte 24 Go ou Mac 32 Go et plus : Qwen3.8 27B (18 Go en Q4_K_M)
ollama run qwen3.8:27b

# Lister les modèles installés
ollama list

# Appeler Qwen depuis un script via l'API locale
curl http://localhost:11434/api/generate -d '{
  "model": "qwen3.5:9b",
  "prompt": "Explique en trois phrases ce qu’est un modèle à poids ouverts.",
  "stream": false
}'

标签名称变化很快：下载前，请在 ollama.com/library 上核实变体的确切名称及其大小（GB）。Qwen3.8-27B 的详细安装（量化、上下文、推理模式）另有专门指南；本页仅讨论在线与本地之间的选择。

#Qwen Chat 还是本地 Qwen：如何抉择

不存在放之四海而皆准的最佳选择。两种方案相辅相成，很多用户会同时保留两者：在线服务用于无关紧要的临时需求，本地模型则用于涉及敏感数据或自动化的一切场景。

如果……请选择 Qwen Chat

您想在两分钟内试用 Qwen AI，没有显卡，需要该系列中最大的模型，而且您的消息不包含任何机密内容。

以下情况请选择在本地运行 Qwen……

您的文档不能离开您的电脑，您希望使用版本固定、不会在您不知情时变化的模型，您需要离线工作，或者您在做自动化任务且不想受任何配额限制。

本地部署的局限

质量取决于您的机器能加载的模型大小；托管的旗舰模型仍无法企及；安装和更新需由您自行负责。

在线服务的局限

数据会发送给第三方，使用条款和限制可能变更，且依赖服务的可用性和您的网络连接。

一个简单的判断方法：选一个能代表你实际用途、但不含敏感数据的示例，把同一个问题分别交给 Qwen Chat 和一个你的机器能够运行的最大规格本地 Qwen。如果本地的回答已经够用，你就获得了隐私保护，也不再受配额限制。如果差距太大，你也能清楚知道继续使用在线服务是在拿什么做交换。

#深入了解

本页帮助您在在线助手与本地运行之间做出选择。如需付诸行动，或将 Qwen 与其他模型家族进行比较，请参阅以下指南。