本地运行 AI 前，怎么查看内存 显存和存储需求

想在自己的电脑上试一个模型，先查已有设备，再选一个文件和小任务。下载文件能放进磁盘，只是第一步；运行时还需要内存、受支持的计算设备和合适的软件。

这篇是准备本地运行时的技术基础选读，不要求先买新电脑。只用AI网页或App的读者可以暂时跳过。模型文件名称先看《参数量 量化 GGUF 怎么看》，使用方式回看《App 网页 API 和本地运行怎么区分》。

内存、显存和磁盘，各管什么

GPU是擅长并行计算的处理器。CPU也能执行模型计算；实际速度、GPU支持与能否分担到CPU，取决于软件、模型和设备。Ollama硬件文档提供了各平台支持条件。不要只凭“Intel”或“没有独显”就断言完全不能运行；先查软件支持，再尝试合适的小模型。

概念示意：磁盘保存文件，运行还要考虑权重、上下文缓存、工作区以及系统和其他程序。

在已有电脑上查三项信息

Mac

1. 苹果菜单 →“关于本机”：记录芯片、内存和macOS版本。
2. “系统设置 → 通用 → 存储空间”：看可用存储，而不只看硬盘总容量。Apple存储说明介绍了入口。
3. 打开“活动监视器 → 内存”：运行模型前后观察内存压力、已使用内存和交换情况。绿色压力通常表示内存仍能较有效地服务当前工作；明显变黄、变红、交换增长或电脑卡顿时，要检查任务负担。不要只看“空闲内存”，Apple的内存说明解释了缓存与压力的关系。

Windows

按 Ctrl + Shift + Esc 打开任务管理器，在“性能”查看系统内存与GPU。GPU页面分别记录专用和共享GPU内存；共享部分借用系统RAM，不能简单加到专用显存上当作同等资源。再按Microsoft设备说明，在“设置 → 系统 → 存储”查看磁盘余量。

GPU名称、驱动和操作系统也要记录，随后对照所选软件的支持文档。Microsoft的说明介绍了任务管理器中的GPU与内存统计。本次没有Windows设备实测，以上是官方文档入口说明；界面名称可能随系统语言和版本变化。

本次电脑记录

本次在M1 Max Mac上实际读取系统信息：macOS 27.0.1，内存68,719,476,736字节，即64GiB（设备标称64GB）。测试所在磁盘当时可用约393GiB；可用量随其他文件变化。这里的64是已安装容量，不能当作运行时可用容量。

系统读取记录随材料包保存。界面入口依据官方说明，本次没有重新录制系统设置或活动监视器截图，也没有测整机峰值内存。桌面应用和闲置的ComfyUI服务仍在运行，测量对象是Ollama报告的已加载模型。

下载前，再检查文件与运行软件

先把以下信息写在一张便签上：

电脑：芯片/GPU、RAM、专用与共享显存、系统版本
软件：名称与版本，是否支持这台设备和模型架构
模型：发布者、精确文件名、量化、文件大小与许可证
任务：先用一段短文字，需要多长窗口、是否同时跑多个任务
磁盘：下载与导入是否会保留多份文件，更新时是否有余量

本篇与术语篇使用同一个Qwen官方文件：Qwen3-0.6B-Q8_0.gguf，实际639,446,688字节，约609.82MiB；固定版本和SHA-256见前一篇。导入Ollama后，下载文件仍在原目录，模型存储中还会有权重等内容，预留空间要考虑这些文件与后续更新。材料ZIP不包含权重。

运行占用还包括上下文缓存、运行工作区等。系统、其他应用、并发任务也会占用资源；某些后端会分配额外缓冲或调整缓存。用“模型文件大小 + 一个固定数字”不能保证最低配置，也不能保证你要的响应速度。

实测：同一模型改窗口，占用怎么变化

本次软件Ollama 0.35.1，已安装并启动；没有重新安装。模型导入后，先发一条短读书会材料，再分别指定4,096和32,768 Token窗口。每种配置独立重新加载两次，避免沿用前一次模型的窗口配置。

两种配置都使用相同的短输入，关闭思考模式；固定 temperature=0、seed=42、num_predict=256、num_batch=128，本练习串行发出单次请求，未控制电脑上的其他服务作业。请求结束、模型尚未卸载时读取 /api/ps，并读取生成接口的输入Token计数。没有输入一篇32K Token长文，因此不是长文理解或满窗口压力测试。

字段怎样读：

• context_length：这次已经加载的运行窗口；实际读取，不能只看模型卡或软件说明的默认值。
• size：Ollama报告的已加载模型大小/占用统计。
• size_vram：其中软件报告归于GPU的部分。在Apple芯片上使用统一内存；不要把两列相加重复计算，也别把它当作一块独立显存的容量。
• prompt_eval_count：本次实际处理的输入Token数量，包含软件对提示的处理；不同模板和输入会改变它。

这些字段来自已加载模型接口和本次请求，不是整台Mac的总内存、进程峰值或通用最低配置。模型名称、文件、软件版本与具体请求都在材料记录中。

同一文件、两种窗口的真实读取结果；排版图不是软件截图，也不是最低配置推荐表。

同样约610MiB的下载文件，在本次配置下报告约1.06GiB和4.24GiB的已加载模型占用。窗口增大时，占用变化明显；这里没有改变输入长度，也没有得到适用于其他模型的固定倍数。两种配置都完成响应，时间和报名截止一致，地点出现与术语篇相同的扩写，使用前要按原材料复核。

模型卡写32,768上下文，文件元数据读出40,960；我们未把后一数字当作已验证的可用上限，也没有测40,960窗口。设置窗口、实际读取的窗口、输入Token和内容正确性需要分别核对。

可选：在自己的电脑上读一次配置

先按模型文件术语篇导入本次模型，确保Ollama已启动且模型名称一致。第一次接触本地模型时，只做短问题与 ollama ps 检查即可；后面的接口练习可以稍后再做。

ollama run boxai-basics-qwen3-06b-q8 --think=false "请把这句活动时间原样复述：10月24日14:00–15:00。"
ollama ps

运行中或尚未自动卸载时，ollama ps 会显示SIZE、PROCESSOR与CONTEXT等列。模型已卸载时列表可能为空，先运行一次再查看；PROCESSOR帮助判断GPU/CPU分担情况，软件版本可能影响显示格式。CLI中的大小可能经过舍入，不能与原始字节记录逐位对比。

想复现本文两种窗口，下载本篇材料包，进入包含 request-4096.json 的 b3 文件夹，先查看两个请求文件。以下逐行执行：

ollama stop boxai-basics-qwen3-06b-q8
curl -f http://127.0.0.1:11434/api/generate -H 'Content-Type: application/json' --data-binary @request-4096.json
curl -f http://127.0.0.1:11434/api/ps

第二行把材料中的短请求交给本机Ollama，等待返回；第三行读取模型运行信息。记录字段后，再停止本次模型，把第二行文件名换为 request-32768.json，重复生成与读取。32K窗口会占用更多资源；先确认短窗口运行稳定、电脑仍有余量，再尝试。

127.0.0.1 指这台电脑；这两份请求指定我们刚导入的本地模型，实际请求成功记录已保存。本次未做断网隔离测试。其他聊天界面可能连接云端或启用网络工具，上传资料前应确认所选模型与连接，不能只凭“安装了本地软件”承诺所有功能都不上传。

测试结束：

ollama stop boxai-basics-qwen3-06b-q8

它停止本次模型，保留模型文件；不用停止其他正在工作的模型。

不够用时，按什么顺序处理

先确认没有同时加载多个模型或运行不需要的重任务；再按任务缩短输入、调小窗口，必要时换更小且支持的模型。量化方案要按发布者实际文件与任务效果选择。内存压力、交换和响应卡顿仍明显时，暂停扩大任务，再判断已有设备是否适合。

成功回答一次，能说明这次配置和短输入跑通。不能据此承诺批量处理、长文理解、所有模型速度或另一台电脑的体验。本篇没有购机或显卡推荐，也没有使用旧稿缺少条件记录的占用和速度数字。

材料与下一步

下载本地运行资源核对材料：两份可读请求、真实响应与占用字段、系统配置、模型来源及README；不含模型权重、账号资料或API Key。第一次阅读只要能找到自己的配置、区分磁盘与运行资源、知道该核对什么，就达到了目标。

准备开始安装时读《Mac 上安装 Ollama》的安装部分；下载练习模型仍按模型文件术语篇选择。技术选读按需要继续，不把硬件准备当成所有AI使用的前提。

封面背景由本机ComfyUI / Z-Image-Turbo生成，标题由代码排版；正文图为概念示意或真实结果排版。