本地部署：Ollama 与 Mac 硬件配置全解

一句话选型与工具规格#

下面先给「一句话选型」，再按工具逐个看规格：星标反映关注度，真正该看的是「Mac 原生优化、是否需要图形界面、能不能对接 VS Code」这三项。

实操：用 Ollama 跑通第一个本地模型#

如果你确实想体验本地部署（离线可用、零边际成本、数据不出本机），Ollama 是 Mac 上最省事的路径：一行命令装好、一行命令拉模型，并在本地提供兼容 OpenAI 格式的接口，脚本几乎不用改代码就能在「本地免费」与「云端更强」之间切换。

第 1 步 · 安装#

1
# 方式一：Homebrew（推荐，便于后续升级）
2
brew install ollama
3

4
# 方式二：官网下载安装包后拖进「应用程序」
5
# https://ollama.com

第 2 步 · 拉取并运行模型#

8B 级别的指令模型（Hermes 3 8B、Qwen3-8B、Llama 3.1 8B 等）是 16GB 内存 Mac 的舒适区：量化后约 5GB，对话流畅，512GB 硬盘完全放得下。

1
ollama pull hermes3     # 拉取模型，首次约 5GB
2
ollama list             # 查看本机已有模型
3
ollama run hermes3      # 进入命令行对话，输入 /bye 退出

第 3 步 · 用 Python 调用（自动化脚本的核心）#

Ollama 在本地 11434 端口提供 HTTP 接口，格式与 OpenAI 兼容，因此只要替换 base_url 就能复用同一套脚本。

1
# 依赖：uv pip install requests
2
import requests
3

4
def ask_local(prompt: str, model: str = "hermes3") -> str:
5
    # 调用本地 Ollama 模型，返回纯文本结果
6
    r = requests.post(
7
        "http://localhost:11434/api/generate",
8
        json={"model": model, "prompt": prompt, "stream": False},
9
        timeout=300,
10
    )
11
    r.raise_for_status()
12
    return r.json()["response"]
13

14
if __name__ == "__main__":
15
    print(ask_local("用一句话解释什么是统一内存架构。"))

第 4 步 · 函数调用：让模型自己决定动手#

Hermes 系列以指令跟随与函数调用见长，适合做「模型判断该调哪个工具」的流程：把工具清单以 JSON Schema 形式交给模型，由它决定是否需要抓网页、查表或执行脚本，再由你的代码真正执行。

1
# 把工具描述成 JSON Schema，交给模型判断何时调用
2
tools = [{
3
    "type": "function",
4
    "function": {
5
        "name": "fetch_webpage",
6
        "description": "抓取指定 URL 的网页正文",
7
        "parameters": {
8
            "type": "object",
9
            "properties": {"url": {"type": "string", "description": "网页地址"}},
10
            "required": ["url"],
11
        },
12
    },
13
}]

第 5 步 · 本地还是云端？按场景二选一#

同一台 Mac，不同场景的答案并不一样。点开你的场景看结论：

MacBook Air 系列#

Air 全系无风扇，长时间满载会降频，更适合间歇使用。当前在售仅有 M5 一代，13 英寸 ¥9,999 起、15 英寸 ¥11,999 起。

来源：硬件规格：Apple 官方规格页 · 核对日 2026-09-14

注：Air 的 M1~M4 机型均已停产，列在此处仅供二手选购参考。

MacBook Pro 系列#

本地跑的模型不按 Token 计费，所以这里比的只有两件事：内存带宽决定生成速度，内存容量决定能跑多大的模型。下面按 M5 / M4 / M3 / M2 / M1 五个芯片系列分组，同一系列的标准版、Pro、Max 放在一张表里对照，而不是按代次把同档位拆散罗列。记法： P = 性能核心，E = 能效核心，超级 = 超级核心（M5 起新增）；如「8 核（4P+4E）」即 4 个性能核心加 4 个能效核心。换算口径：Q4 量化、约 8K 上下文；带宽条采用全表统一刻度（以 614 GB/s 为满格），可跨系列直接比较长短。

按芯片代际查看： M5 / M4 / M3 / M2 / M1（下方按系列分组对照）

同一代芯片内部又分标准 / Pro / Max 三档，档位差异（带宽）往往比代际差异更影响跑模型的速度——所以先选档位，再挑代际。

同档位跨代速查#

把三档芯片按代次拉通，纵向比同一档位四年的变化。带宽单位 GB/s，「上限」指该档位可选的最大统一内存。

来源：见本页文末「数据来源」说明 · 核对日 2026-09-14

内存带宽排行#

带宽直接决定生成速度（token/s），是跑本地大模型最硬的指标。下图把全部 18 种配置按带宽从高到低排列，颜色区分档位。

标注约定与选购建议#

• 核心标注： P = 性能核心，E = 能效核心，超级核心为 M5 起新增（性能最强的核心类型）。同一芯片提供多档核心数时，对应不同售价档位，核心数越高内存上限也越高。
• 可选范围： MacBook Air 全系 CPU 固定，仅 GPU 核心可选（如 8 核 → 10 核）；MacBook Pro 的 Pro / Max 芯片，CPU 与 GPU 均有多档核心数可选。
• 带宽联动： 带宽随 GPU 核心数变化。例如 M5 Max 的 32 核 GPU 版为 460GB/s、40 核 GPU 版为 614GB/s；选大内存往往会被绑定到高配 GPU。
• 跑大模型看什么： 先看内存容量（决定能装多大），再看内存带宽（决定多快）。CPU / GPU 核心数主要影响多任务、渲染、编译等通用负载，对纯文本生成的影响远小于带宽。
• 预算有限时的顺序： 内存容量 > 内存带宽（即档位）> 代次。宁可买上一代的 Max，也不要买当代的标准版——前者 400GB/s 对后者 153GB/s，跑模型的差距远大于两代之间的架构改进。
• 数据口径： 本节全部参数取自 Apple 官方技术规格页（M5 系列为 2026 年现行页面；M1~M4 系列为 Apple 支持文档与新闻稿中的历史规格），核对日期 2026-09-14。不含任何推测值；已停产机型的价格随行情波动，未在此列。