排名更新于 09/10/2026
MacBook Air M4（16 / 24 / 32 GB 统一内存，120 GB/s）通过 Ollama 或 MLX 能很好地运行 Q4_K_M 量化的 3–9B 参数 LLM。无风扇设计会限制长时间运行，因此优先选择高效模型（激活参数量较小的 MoE 模型）和压缩程度较高的量化方案。
MacBook Air M4 ：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 M4 (24 GB) 上 |
|---|---|---|---|---|---|---|
| #1 | Gemma 4 E4B | 4B | 10 GB | 128 000 | Apache 2.0 | 14 tok/s · FP16 |
| #2 | Granite 4.1 8B Instruct | 8B | 5 GB | 131 072 | Apache 2.0 | 12 tok/s · FP16 |
| #3 | Granite 4.2 8B | 8B | 4.6 GB | 128 000 | Apache 2.0 | 32 tok/s · FP16 |
| #4 | OLMo 3 7B Think (SFT) | 7B | 4.2 GB | 16 000 | Apache 2.0 | 32 tok/s · FP16 |
| #5 | GLM 5.3 7B | 7B | 4.1 GB | 128 000 | MIT | 32 tok/s · FP16 |
| #6 | OLMo 3 7B | 7B | 5 GB | 8 192 | Apache 2.0 | 12 tok/s · FP16 |
| #7 | Qwen 3 8B | 8B | 5 GB | 131 072 | Apache 2.0 | 12 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：1–15B 模型，且 Q4_K_M 版本的内存占用低于 14 GB（为 macOS 留出 10 GB 以上）。优先考虑 3–9B 模型（在避免过热降频方面较为理想）以及激活参数较少的 MoE 模型（Qwen 3 30B-A3B 可在 32 GB 内存的 MacBook Air 上运行）。
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。
MacBook Air M4 16 GB：应选择何种 LLM？
Mistral 7B Q4（约 4.5 GB）或 Qwen 3 8B Q4（约 5 GB）是理想的平衡点——每秒 25–35 个 token，聊天流畅。避免使用 Gemma 4 27B，即使采用 Q3 量化也不宜：在没有风扇的情况下太勉强。参见 MacBook Air M4 操作指南.
Air M4 24 / 32 GB：能否支持13B模型？
是的：Mistral Nemo 12B Q4（约 7 GB）或 Qwen 3 14B Q4（约 8 GB）的运行速度为每秒 15–22 个 token。内存为 32 GB 时，您可以试试 Qwen 3 30B A3B（MoE，显存中的活跃部分为 3 GB）——在 Air 上的表现出乎意料地好。
在 MacBook Air M4 上选 MLX 还是 Ollama？
Ollama 在 30 秒内即可启动。MLX 的每秒 token 数高出 15–25%，但需要转换权重。对于 Air，考虑到续航和简便性，Ollama 仍是默认选择。LM Studio 则在图形界面中结合了两者。
Air M4 运行 7B 参数的 LLM 时会发热吗？
是的，持续生成 5–10 分钟后，它会因降频而使性能下降约 10–15%。偶尔聊天时，这种影响察觉不到。对于批量 RAG 任务，请改用配备风扇的 MacBook Pro 或 Mac mini。另请参阅 MBP M4.