排名更新于 09/10/2026
得益于现代 Q4 量化技术，MacBook Air M2（8 / 16 / 24 GB，100 GB/s）在 2026 年仍然很适合运行本地 AI。目标是运行 3-8B 模型，无需风扇。
MacBook Air M2 ：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）。作为亚马逊合作伙伴，哪个LLM会从符合条件的购买中获益。
40 亿有效参数，多模态（文本+图像+音频）。140 种语言。适用于笔记本电脑和边缘设备。
ollama run gemma4:e4b
Dense 8B Apache 2.0，支持 12 种语言（含法语），131k 上下文，GQA 32Q/8KV。MMLU 73.84，HumanEval 85.37。发布于 2026 年 4 月 29 日。
# HuggingFace : ibm-granite/granite-4.1-8b
Granite 4.2 8B（IBM）：Apache 2.0 稠密模型，128k 上下文，Q4 量化约需 4.6 GB 显存。面向企业级多语言聊天、代码和推理。
ollama pull granite4.2
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
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
思考/快速混合模式。支持 119 种语言，原生上下文为 32k（通过 YaRN 可扩展至 131k）。
ollama run qwen3:8b
| 名次 | 模型 | Params | Q4 VRAM | 上下文 | 许可证 | 在 Apple M2（16 GB）上 |
|---|---|---|---|---|---|---|
| #1 | Gemma 4 E4B | 4B | 10 GB | 128 000 | Apache 2.0 | 14 tok/s · Q4_K_M |
| #2 | Granite 4.1 8B Instruct | 8B | 5 GB | 131 072 | Apache 2.0 | 12 tok/s · Q8 |
| #3 | Granite 4.2 8B | 8B | 4.6 GB | 128 000 | Apache 2.0 | 32 tok/s · Q8 |
| #4 | OLMo 3 7B Think (SFT) | 7B | 4.2 GB | 16 000 | Apache 2.0 | 32 tok/s · Q8 |
| #5 | GLM 5.3 7B | 7B | 4.1 GB | 128 000 | MIT | 32 tok/s · Q8 |
| #6 | OLMo 3 7B | 7B | 5 GB | 8 192 | Apache 2.0 | 12 tok/s · Q8 |
| #7 | Qwen 3 8B | 8B | 5 GB | 131 072 | Apache 2.0 | 12 tok/s · Q8 |
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.
筛选条件：1-13B 模型，其中 Q4_K_M 版本占用内存不超过 11 GB。额外推荐 3-8B 模型（峰值支持 Air M2），以及 ≤3B 模型（即使无 Neural Engine M4 也能快速运行）。
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，16 GB 内存的 MacBook Air M2 仍然实用吗？
是的——Mistral 7B Q4、Qwen 3 8B Q4 和 Phi-4 Mini 的运行速度为每秒 18–25 个 token。足以用于聊天、个人 RAG 和轻量级代码补全。参见 MacBook Air M2 指南.
运行同一个 7B 模型时，M2、M3 和 M4 表现如何？
运行 Mistral 7B Q4_K_M 时，M2 约为 22 tok/s，M3 约为 26 tok/s，M4 约为 30 tok/s。速度差异明显，但三者都不慢。使用电池供电时，M2 的电量消耗略快（与 GPU 效率有关）。
Air M2 24 GB：哪些大型模型？
Mistral Nemo 12B Q4（约 7 GB）或 Qwen 3 14B Q4（约 8 GB）的运行速度为每秒 12 至 18 个 token。避免使用 30B 及以上的模型，即使是 MoE 模型也不例外：内存带宽太吃紧。
Air M2 8 GB：真的可行吗？
仅限使用 Phi-4 Mini 3.8B Q4 或 Llama 3.2 3B Q4。上下文长度上限为 2k–4k。这只是应急方案：要真正实用地运行 LLM，16 GB 仍是最低内存配置。