🎯 跑 AI 划不划算，它先幫你測好

六件事，一次搞懂太難。想在自家電腦跑 AI，不是下載一個模型就好——你要同時決定：模型、硬體、代理框架、推理引擎、量化、運行時設定。

模型要挑哪顆？硬體跑得動嗎？量化要吃多少記憶體？同一顆模型在不同機器的表現完全不同——一般人不可能一次搞懂。

這就是 local.ai 存在的理由：它把「組合」當成一個整體來實測，不用你自己一個一個試。

不用自己一個一個試，直接看數據選。local.ai 把「模型＋硬體＋設定」整套組合實測好，你只要看結果挑。

Models 頁把本機可跑的模型按「智慧度」排行：目前榜首 Step 3.7 Flash（78.8%），其次 DeepSeek V4 Flash 0731（77.5%）、Qwen3.6 27B（76.5%）。

每個模型有多個量化變體，榜單標示智慧、GAIA、GDPval 分數——數據齊全，照選即可。

測三件事：品質、速度、成本。local.ai 用真實任務量三個指標：品質（Quality，實際工作負載）、速度（Speed，端到端任務時間）、成本（Cost）——不是只看單一模型跑分。

它算出 Intelligence Index（品質加權）、Tasks per hour（端到端速度）、Value Index = Intelligence/Joule（電費效率）。

同一台硬體上，會測多種模型×量化變體，例如 DGX Spark 上 Step 3.7 Flash 有 9 種量化可比較。

測的是完整組合，不是單一部件。local.ai 同時比較 Model × Harness × 硬體 × 推論引擎 × 設定 × 量化 六個維度——跟一般只測「模型本身」的排行榜不同。

一般排行榜只回答「哪個模型最聰明」；local.ai 回答的是「這個模型在你這台機器、這種設定下，跑起來划不划算」。

品質、速度、成本三個維度同時看，才是真正能拿來做決策的數據。

Authority（誰背書）：資料由 Exo Labs 產出。About 頁明說「The underlying speed and evaluation data are produced by Exo Labs.」——benchmark 數字都是 Exo Labs 實測的。

Exo Labs 的開源專案 exo（GitHub exo-explore/exo）是「在本機硬體跑 frontier AI」的知名工具，約 47,000 顆星、Apache-2.0。

中立不是業配：官方聲明與被測硬體／模型商無商業關係，Exo Labs 同時是開源 exo 的維護者，立場與「賣硬體／賣模型」的廠商不同。

重點：我（夏哥）在 local.ai 註冊了 wishia 名字（2026-08 認領），用 Hugging Face 帳號登入。

我的個人頁 local.ai/wishia 顯示我的機器：MacBook Air M3 ×2（16GB），然後幫我推薦該跑哪個模型。

推薦結果：Best fit = GPT-OSS 20B（13.8GB）；更聰明 = Qwen3.5 9B；更快 = Gemma 4 E4B IT（174 tasks/hr）。

重點：搞懂之後，可以做三件事。

• 照建議跑模型：依 wishia 推薦（GPT-OSS 20B）在 MacBook 上實際跑看看。
• 追蹤排行榜：models 頁會持續加新模型/量化，數據會變。
• 參與社群：Referrals 推薦碼、Wall 留言、認領名字。

本站 L2/L3 層會再把每一格深入展開（例如 exo 怎麼裝、量化是什麼）。