Gemma 4 E2B QATGoogle · 4.3 GB · RAM tối thiểu 8 GB
Chạy bằng RAM hoặc tăng tốc một phầnMô hình này khớp với công việc đã chọn và nằm trong mức bộ nhớ an toàn mà bạn đã nhập.
ollama run gemma4:e2b-it-qatAI CỤC BỘ, ĐƯỢC GIẢI THÍCH RÕ RÀNG
Chọn mô hình AI phù hợp với máy tính của bạn.
Cho LocalLens biết dung lượng RAM, GPU và công việc bạn muốn làm. Công cụ sẽ đề xuất mô hình và engine phù hợp để bạn không phải tải thử một tệp quá lớn.
Kiểm tra máy của tôi ↓Nhập cấu hình máy tính
Nếu bạn không biết dung lượng bộ nhớ GPU, hãy chọn 0 GB. LocalLens sẽ đưa ra lựa chọn thận trọng dựa trên RAM.
BƯỚC 2
Engine đề xuất: Ollama
Phù hợp với người mới vì lệnh cài đặt và chạy mô hình ngắn, dễ lặp lại.
BƯỚC 3
Các mô hình phù hợp để thử
Kết quả dùng mức an toàn cho tệp lượng tử hóa Q4 và chừa bộ nhớ cho hệ điều hành.
Granite 3.2 8BIBM · 5 GB · RAM tối thiểu 10 GB
Chạy bằng RAM hoặc tăng tốc một phầnMô hình này khớp với công việc đã chọn và nằm trong mức bộ nhớ an toàn mà bạn đã nhập.
ollama run granite3.2:8bQwen 3 8BAlibaba Cloud · 5.2 GB · RAM tối thiểu 10 GB
Chạy bằng RAM hoặc tăng tốc một phầnMô hình này khớp với công việc đã chọn và nằm trong mức bộ nhớ an toàn mà bạn đã nhập.
ollama run qwen3:8bGemma 3 4BGoogle · 3.3 GB · RAM tối thiểu 8 GB
Chạy bằng RAM hoặc tăng tốc một phầnMô hình này khớp với công việc đã chọn và nằm trong mức bộ nhớ an toàn mà bạn đã nhập.
ollama run gemma3:4bGemma 4 E4B QATGoogle · 6.1 GB · RAM tối thiểu 11 GB
Chạy bằng RAM hoặc tăng tốc một phầnMô hình này khớp với công việc đã chọn và nằm trong mức bộ nhớ an toàn mà bạn đã nhập.
ollama run gemma4:e4b-it-qatLưu ý: Đây là ước tính để lập kế hoạch, không phải lời hứa về tốc độ. CPU, GPU, độ dài ngữ cảnh và phiên bản engine đều có thể thay đổi kết quả.
PHƯƠNG PHÁP
LocalLens đưa ra kết quả như thế nào?
Công cụ so sánh kích thước tệp mô hình với RAM và bộ nhớ GPU. Nó chừa thêm bộ nhớ cho hệ điều hành và ngữ cảnh.
Một mô hình viết mã không luôn là lựa chọn tốt nhất cho hình ảnh hoặc tài liệu. LocalLens ưu tiên mô hình phù hợp với công việc bạn chọn.
Engine được chọn theo hệ điều hành, mức kinh nghiệm và cách bạn muốn sử dụng. Bạn vẫn có thể chọn engine khác.
Kết quả chưa được thử trên đúng thiết bị sẽ được ghi là ước tính. Điều này giúp bạn biết mức độ tin cậy trước khi cài đặt.
Những điều cần biết trước khi bắt đầu
LocalLens dùng để làm gì?+
LocalLens giúp bạn thu hẹp danh sách mô hình AI có thể chạy trên máy của mình. Công cụ xem RAM, bộ nhớ GPU, loại công việc và cách bạn muốn cài đặt.
Tôi có cần GPU rời không?+
Không. Nhiều mô hình nhỏ có thể chạy bằng CPU và RAM. GPU rời thường làm phản hồi nhanh hơn, nhưng dung lượng RAM vẫn rất quan trọng.
Máy có 8 GB RAM nên dùng mô hình nào?+
Hãy bắt đầu với mô hình từ 1B đến 3B tham số ở dạng Q4. Đóng các ứng dụng nặng trước khi chạy. Mô hình 7B thường quá chật cho trải nghiệm ổn định trên máy 8 GB.
Máy có 16 GB RAM nên dùng mô hình nào?+
Mô hình 3B đến 8B dạng Q4 thường là điểm bắt đầu tốt. Qwen 3 4B, Gemma 3 4B và Qwen 2.5 Coder 7B là các lựa chọn đáng thử tùy công việc.
Ollama, LM Studio và llama.cpp khác nhau thế nào?+
Ollama dễ dùng bằng lệnh ngắn. LM Studio có giao diện trực quan. llama.cpp cho phép điều chỉnh sâu và hỗ trợ nhiều thiết bị, nhưng cần kiến thức kỹ thuật hơn.
Kết quả có chính xác tuyệt đối không?+
Không có công cụ nào có thể hứa chính xác tuyệt đối trước khi chạy thử trên đúng thiết bị. LocalLens dùng thông tin chính thức và mức bộ nhớ thận trọng. Bạn vẫn nên thử với công việc thật của mình.