LM Studio
LM Studio
圖形介面下載、管理並運行本地模型，支援 GGUF 與 MLX
本地模型運行小白
免費加值有免費方案定價以官網為準
個人使用免費；商業用途需授權。實際條款以官網為準。
適合
- 不想碰命令列又要跑本地模型
- Apple Silicon 上用 MLX 加速
- 比較不同量化版本的實際表現
本地模型運行小白
Ollama
OllamamacOS · Linux · Windows
一行指令在本地跑開源模型，附 OpenAI 相容 API
適合
- 資料不能出網的隱私場景
- 大量呼叫時把 Token 成本降為零
- 離線或網路不穩的環境
不適合
- 需要前沿模型能力的任務（本地小模型仍有差距）
- 顯存 / 記憶體不足的機器跑大模型
我們刻意把不適合的場景寫在同一屏 —— 只講優點的評測沒有資訊量。
計費方式
訂閱制有免費方案
本地運行免費；Pro USD 20/月（USD 60 credits）；Max USD 100/月（USD 300 credits）；Team USD 500/月；Enterprise 洽商。
金額已於 2026-10-01 人工核實。
本站評級
- 能力
- 44/5
- 易用
- 55/5
- 成本效益
- 55/5
- 隱私可控
- 55/5
編輯部意見，非用戶聚合評分。資料最後核實：2026-09-29。
用 Ollama 能做完的事
每個場景都是一條「痛點 → 工具組合 → 步驟 → 成果」的完整配方。
兩種讀法
路徑 A · 就從這個工具開始
你已經選定它、想讓它跑起來。先裝再懂 —— 工具在螢幕上之後，那些詞才有意義。
路徑 B · 先看清楚再選
你還在比較。先看清楚它在版圖裡的位置，再決定要不要花一個下午。
發展路徑
形態：local-runtime
本站時間軸中尚無與此工具相關的已驗證事件。
首次發佈日期：未標示。未從時間軸自動推定。本站時間軸中最早提及此工具的事件可能是某個版本的里程碑、可能是同名不同產品，也可能只是內文提及而非發佈，三者都需要逐個工具人工核對官方來源，故暫留空。
本站關於 Ollama 的文章
- Ollama — 本地運行 LLM 的最佳方案
Ollama 讓你在 Mac/Windows/Linux 上一鍵運行 Llama、Mistral、Qwen 等開源模型，完全離線、免費、隱私安全。
2026-04-28 · 6 分鐘 - 其他推理框架對比：llama.cpp、MLX、ExLlamaV2 完整指南
三大本地 LLM 推理框架深度對比：llama.cpp (GGUF)、Apple MLX、ExLlamaV2，涵蓋安裝、效能、適用場景。
2026-05-10 · 7 分鐘 - 選 AI 工具的判斷框架：五個問題篩掉九成選項
面對眼花撩亂的 AI 工具清單，逐個試用是最貴的選型方式。這篇給你五個篩選問題——資料敏感度、容錯度、整合需求、使用規模、失敗代價——每個問題對應該選哪一類工具，最後用一張決策流程表帶你走完整個判斷。
2026-09-30 · 10 分鐘 - 企業資料安全基本盤：哪些資料不能餵給 AI
員工把客戶個資貼進免費 AI 工具，是企業最常見也最難防的資料外洩路徑。這篇給你一套四分法的資料分級標準、一份「絕對不能上傳」的紅線清單、企業版與消費版的條款差異對照，以及本地部署選項和該問 IT 與法務的問題清單。
2026-09-30 · 8 分鐘
和它常被一起比較的工具
替代方案
4.3/5
vLLM
開源社群（源於 UC Berkeley）
高吞吐量的 LLM 推論伺服器，生產環境自架首選
本地模型運行進階
開源免費有免費方案定價已核實 2026-09-29
開源免費（Apache-2.0）；成本為 GPU 硬體或雲端租用。本站有部署實測與效能數據。
適合
- 多人共用的自架推論服務
- 需要連續批次處理來壓高 GPU 利用率
- 要 OpenAI 相容端點接既有程式碼
Jan
開源社群
開源的本地 LLM 桌面應用，強調離線與隱私
本地模型運行小白
開源免費有免費方案定價以官網為準
完全免費開源；成本只有硬體。
適合
- 想要純離線、資料不出機
- 偏好開源可自行審查
- 需要簡單的桌面介面
llama.cpp
開源社群
純 C/C++ 的推論引擎，是多數本地方案底層依賴
本地模型運行進階
開源免費有免費方案定價以官網為準
完全免費開源；成本只有硬體。
適合
- 要在資源受限或特殊硬體上跑模型
- 需要理解底層量化與效能
- 自建推論服務的地基
這個工具出現在哪些學習軌道
本頁為編輯部整理的工具資訊，非官方頁面。商標與產品名稱屬於各自擁有者。若你發現任何資訊有誤或已過期，請告知我們修正。最後核實：2026-09-29。