排名更新于 09/10/2026
MacBook Air M1（8/16 GB，68 GB/s）发布于2020年，但仍能较好地运行30亿至70亿参数的LLM。带宽有限 → 宜选择高效模型。
MacBook Air M1 ：可选购的本地 AI 替代方案 — MacBook Pro M5 Pro — 24 GB / 1 TB :
如何根据预算选择电脑？看看我们推荐的 800 至 3,500 欧元价位的电脑 →
联盟链接 — 哪个LLM 可能从购买中获得佣金，您无需承担额外费用，这不会影响排名（排名独立制定）。作为 Amazon 合作伙伴，哪个LLM 会从符合条件的购买中获利。
OLMo 3 7B 的「thinking」SFT 微调：逐步推理，16k 上下文，Q4 约需 4.2 GB 显存。100% 开放，Apache 2.0 许可证。
# HuggingFace : zimplex/olmo3-7b-think-sft-eosfix-16k-3ep-euc
GLM 5.3（智谱）：7B 稠密模型，专攻代码与推理，128k 上下文，Q4 量化约需 4.1 GB 显存。轻量级，可在配备 6–8 GB 显存的 GPU 上运行，采用 MIT 许可证。
ollama pull glm-5.3
30 亿参数的稠密模型，采用 Apache 2.0 许可证，支持 12 种语言（含法语），131k 上下文，GQA 40Q/8KV。支持工具调用和代码中间补全（FIM）。发布于 2026 年 4 月 29 日。
ollama run granite4.1:3b
Granite 4.1（3B，Apache 2.0 许可证）：IBM Granite 4.1 系列的通用 Ollama 标签，128k 上下文，支持工具调用和编程。2026 年 5 月发布。
ollama run granite4.1
7B 稠密模型，100% 开放（权重 + 数据 + 代码）。为研究提供完全透明的信息。
ollama run olmo-3:7b
专用于企业文档信息提取的 3B VLM。OCR、表格、表单。
# HuggingFace : ibm-granite/granite-4.0-3b-vision
30 亿参数，双模式（思考/非思考）。支持 6 种语言。MMLU 59.7，GSM8K 70.9。完全开放（数据和训练方法）。
# HuggingFace : HuggingFaceTB/SmolLM3-3B
| 名次 | 模型 | Params | Q4 VRAM | 上下文 | 许可证 | 在 Apple M1（16 GB）上 |
|---|---|---|---|---|---|---|
| #1 | OLMo 3 7B Think (SFT) | 7B | 4.2 GB | 16 000 | Apache 2.0 | 32 tok/s · Q8 |
| #2 | GLM 5.3 7B | 7B | 4.1 GB | 128 000 | MIT | 32 tok/s · Q8 |
| #3 | Granite 4.1 3B Instruct | 3B | 2 GB | 131 072 | Apache 2.0 | 25 tok/s · FP16 |
| #4 | Granite 4.1 | 3B | 1.7 GB | 128 000 | Apache 2.0 | 50 tok/s · FP16 |
| #5 | OLMo 3 7B | 7B | 5 GB | 8 192 | Apache 2.0 | 12 tok/s · Q8 |
| #6 | Granite 4.0 3B Vision | 3B | 2.2 GB | 16 384 | Apache 2.0 | 25 tok/s · FP16 |
| #7 | SmolLM3 3B | 3B | 2 GB | 128 000 | Apache 2.0 | 25 tok/s · FP16 |
在你的 Mac 上充分利用本地 AI：统一内存、MLX 与 GGUF、适合你芯片的模型、为 Apple Silicon 调优的 Ollama 和 LM Studio。
免费备忘录
接收速查表 显存 → 最佳代码模型 → Ollama 命令 （一屏即可查看，可直接复制粘贴）。再使用本地 Copilot 套件，搭建真正可用的运行环境。
本地编程副驾驶套件 — 可直接粘贴使用的 Ollama + Cline + Aider 配置、调校好的 Modelfiles、故障排除、可终身使用的在线空间 →无垃圾邮件。1 次点击即可退订。你的数据保留在我们这里（绝不转售）。
你的显卡 → 最适合在本地运行的编程模型，以及准确的 Ollama 命令：
| 你的 VRAM | 典型 GPU / Mac | 推荐的代码模型 | Ollama 命令 |
|---|---|---|---|
| 8 GB | RTX 4060 / 3060 · M1-M2 16 GB | Qwen 3.5 9B (Q4, 6.6 GB — 256k ctx) | ollama run qwen3.5:9b |
| 12 GB | RTX 3060 12 GB / 4070 / 5070 | Qwen 3.5 9B (Q8, 11 GB) 或 Gemma 4 12B (7.6 GB) | ollama run qwen3.5:9b-q8_0 |
| 16 GB | RTX 5070 Ti / 4080 / 5080 · RX 9070 XT · M4 24 GB | Devstral 24B (Q4, 14 GB) — 专长是编程智能体任务 | ollama run devstral:24b |
| 24 GB | RTX 3090 / 4090 · RX 7900 XTX · M4 Pro 48 GB | Qwen 3.8 27B (Q4, 18 GB) — “接近 Copilot” | ollama run qwen3.8:27b |
| 32 GB | RTX 5090 | Qwen 3.6 35B-A3B (Q4, 23 GB) — 快速 MoE | ollama run qwen3.6:35b |
| 48 GB+ | Mac M4 Max 64 GB · M2 Ultra 128 GB | Qwen3-Coder 30B-A3B (Q8, 32 GB — 256k ctx) | ollama run qwen3-coder:30b-a3b-q8_0 |
-base : ollama run qwen2.5-coder:7b-base — 在这一特定用途上，它仍是标杆。⚠️ Qwen 3.8： 其推理强度默认设得很高，处理简单请求时会“过度思考”——请将其调低至 low (或在首次启动时关闭它)。⚠️ 许可证陷阱： Codestral 22B = Mistral Non-Production License（非生产用途许可证） → 禁止用于工作中的编程。Qwen 3.5/3.8、Gemma 4 和 Devstral 采用 Apache 2.0 许可证。💡 因内存不足而崩溃？请预留约 1.5 GB 的显存用于上下文，或将量化精度降低一档。🔌 要将其接入 VS Code： Cline （可处理多个文件的智能体）， Aider (CLI) 或 Tabby/Twinny (FIM 自动补全) — 它们都连接到本地 Ollama。该套件 本地助手 — 可直接粘贴的配置 + 经过测试的设置 — 现已可用： /copilote-local.
筛选：1-9B参数模型，其中Q4_K_M版本占用小于9 GB。额外支持3-7B（峰值M1）及强推荐≤3B（M1不配备Neural Engine M3/M4）。
考虑的标准：
评分完全透明：请参阅 我们的方法论 ，了解 VRAM/每秒令牌数的计算详情。
2026年的MacBook Air M1是否仍适用于大语言模型？
是，但有限制。Mistral 7B Q4运行速度约为14个token/秒，Llama 3.2 3B Q4约为25个token/秒。对于流畅聊天可以接受，但对高强度编程任务需预留时间。详见 MacBook Air M1使用指南.
Air M1 8 GB：真的可以运行吗？
使用 Phi-4 Mini 3.8B Q4 或 Gemma 4 4B Q4（约 2.5 GB）也只能勉强运行。macOS 占用 4 GB，您给模型和短上下文留出 2 GB。建议选择 16 GB 内存。
M1 上该选哪种量化？
Q4_K_M 仍是最佳选择。Q5_K_M 质量更优，但会额外增加 25% 的显存带宽消耗，导致 tokens/sec 约降低 1.3 倍。在 M1 上表现尤为敏感。避免使用 Q3（质量明显下降）
运行 Mistral 7B 时，M1 与 M2 相比如何？
M1 ≈ 每秒 14 个 token，M2 ≈ 每秒 22 个 token。差异主要来自带宽（68 GB/s 对 100 GB/s）。如果 M1 16 GB 已经满足需求，则无需升级。