# 2026 年本機編碼 LLM

> 2026 年最值得推薦的 8 款本機編碼 LLM — HumanEval 分數、檔案大小，以及可在 Mac 或電競 PC 上執行的模型實測評價。

Source: https://ailoot.ai/blog/zh-hant-tw/local-llms-for-coding-in-2026/
Canonical: https://ailoot.ai/blog/zh-hant-tw/local-llms-for-coding-in-2026/
Language: zh-Hant-TW
Publisher: Ailoot (https://ailoot.ai/)
Translation: guide-100035
Revision: sha256-a961e95a2e4dbffd0586a0cfdc903eb89c4c793e8d1c0ac54901ca5119fb2d48


← 返回部落格 Roundup


我們所說的「本機編碼 LLM」，是指可在自己的筆記型電腦、Mac 或電競 PC 上執行的模型——不呼叫 API、不使用雲端，也不會把專有程式碼庫傳送給第三方。

跳至表格。想透過 Claude Code CLI 使用這些模型嗎？請參閱「搭配本機模型使用 Claude Code」。

以下是完整的基準測試結果。

**PocketLLM 即將推出。** 私密的裝置端 AI，將先支援 iPhone 和 iPad，並計畫支援更多平台。不需要帳戶、不會在應用程式內追蹤，聊天處理也會留在你的裝置上。加入上市通知名單，搶先取得消息。

## 比較方式

下列基準測試數據、檔案大小和授權條款，都是各模型自行公布的資料，並已追溯至其模型卡或儲存庫。

這只是粗略的分級指標，不能取代在自己的程式碼上實際試用。
- **檔案大小：** 採用 Q4 量化時的大小。本機執行的重點就是「能在你的機器上跑得動」。
- **授權：** Apache 和 MIT 授權評價最高，非商用授權則較低。
- **生態系：** 是否有可用的 llama.cpp、Ollama、MLX 和 Core ML 轉換版本，這會決定你能否實際執行模型。

## 2026 年本機編碼 LLM

### Qwen 2.5 Coder 32B

需要工作站（Mac Studio、多 GPU PC，或配備 48 GB 記憶體的 MacBook Pro M3 Max），但投入這筆成本，就能獲得接近 Claude 3.5 Sonnet 的編碼協助。如果你的程式碼屬於機密，而且預算足以負擔工作站級硬體，這就是合適的選擇。

### DeepSeek Coder V2 Lite 16B

Q4 量化時需要約 10 GB RAM。對配備 16 GB 記憶體的 MacBook Pro 來說，這款最合適。它採用 DeepSeek 自訂條款授權——對大多數用途都相當寬鬆，但商用前請先詳閱。

### Qwen 2.5 Coder 14B

Qwen 2.5 Coder 系列的中階選項。可在配備 16 GB 記憶體的筆電上執行，還有不少餘裕。基準測試表現略遜於 DeepSeek V2 Lite，但授權條款更明確，而且採用更簡單的密集型 Transformer 架構。

### Qwen 2.5 Coder 7B

可在配備 8 GB 記憶體的 MacBook Air 上執行（空間相當吃緊），或在 16 GB 記憶體的裝置上輕鬆執行。如果你有 M2 Air，並想在本機進行實際的程式編碼工作，這就是適合你的模型。

### Mistral Codestral 22B

Mistral 專用的編碼模型。擅長 Python 和 TypeScript，對其他語言也有不錯的表現。Mistral Non-Commercial 授權限制較多——若要用於工作成果，請仔細確認。Q4 量化時約需 14 GB，可在配備 24 GB 以上記憶體的 Mac 上執行。

### StarCoder 2 15B

由 Hugging Face、ServiceNow 和 NVIDIA 共同開發的編碼模型。使用寬鬆授權的程式碼訓練；如果你在意「這個模型是從什麼資料學來的」等來源問題，這點就很重要。

### Phi-3.5 Mini 3.8B

採用 MIT 授權，Q4 量化時為 2.4 GB，小到能在手機上執行。PocketLLM 正是為了將它封裝成點一下就能下載的形式而打造（即將推出）——歡迎加入上市通知名單。

### Qwen 2.5 Coder 1.5B

值得執行的最小型專用編碼模型。採用 Apache 2.0 授權。Q4 量化時為 900 MB。非常適合做為快速的本機程式碼補全模型，提供行內建議；也適合做為草稿模型，在較大型的編碼模型前進行推測解碼。

## 摘要表

| 模型 | 大小 (Q4) | 最低 RAM | 授權 |
| --- | --- | --- | --- |
| Qwen 2.5 Coder 32B | 20 GB | 32 GB | Apache 2.0 |
| DeepSeek Coder V2 Lite 16B | 10 GB | 16 GB | DeepSeek |
| Qwen 2.5 Coder 14B | 9 GB | 16 GB | Apache 2.0 |
| Qwen 2.5 Coder 7B | 4.5 GB | 8 GB | Apache 2.0 |
| Mistral Codestral 22B | 14 GB | 24 GB | Mistral NC |
| StarCoder 2 15B | 9 GB | 16 GB | BigCode OpenRAIL |
| Phi-3.5 Mini 3.8B | 2.4 GB | 4 GB | MIT |
| Qwen 2.5 Coder 1.5B | 0.9 GB | 2 GB | Apache 2.0 |

## 如何挑選本機編碼模型

**Mac Studio / 工作站 PC（32 GB 以上）：** Qwen 2.5 Coder 32B。毫不妥協。

**16 GB MacBook Pro / 電競筆電：** DeepSeek Coder V2 Lite 16B。MoE 架構讓它實際使用起來比參數量看起來輕巧許多。

**8 GB MacBook Air：** Qwen 2.5 Coder 7B。空間吃緊，但仍可使用。執行時請關閉其他所有程式。

**iPhone 或較舊的 Mac：** Phi-3.5 Mini 或 Qwen 2.5 Coder 1.5B。你無法一次就產生完整的 Rails 應用程式，但絕對能獲得理解和修改現有程式碼的協助。PocketLLM 會內建這兩款模型。

**對授權較敏感的商用部署：** 選擇 Qwen 2.5 Coder 系列——目前 Apache 2.0 是本機編碼領域中最清楚明確的授權。

## 實際執行方式

在 Mac 上：安裝 LM Studio 或 Ollama，從目錄中選擇模型，再按一下 Download。另請參閱「Ollama、LM Studio 與 PocketLLM 比較」。在搭載 GPU 的 Linux 上：使用從原始碼編譯的 llama.cpp，或 Ollama。在 iPhone 上：使用原生裝置端應用程式——請參閱我們的 iPhone 應用程式整理。

將這些模型整合到編輯器是另一個值得獨立撰文的主題。簡單來說：Continue.dev、Cody 和 Cursor 類型的外掛都支援 Ollama 或相容 OpenAI 的 localhost 端點，因此本清單中的每個模型都適用。

## 總結

有工作站就選 32B，電競筆電選 14B，平價筆電選 7B，手機則選 1.5B。DeepSeek Coder V2 Lite 是唯一的例外：如果你的 RAM 剛好是 16 GB，DeepSeek 的 MoE 架構能以大致相同的記憶體用量，提供明顯優於 Qwen 14B 的品質。本清單中的其他模型各有專長。

### 在 iPhone 上取得本機編碼協助。

PocketLLM 將 Phi-3.5 Mini 和 Qwen 2.5 Coder 1.5B 封裝成點一下就能下載的形式。私密、快速、不需要帳戶。即將推出——歡迎加入上市通知名單。

## 使用 Ailoot 實踐本指南

透過單一 Ailoot API，將 AI 模型連接到你的應用程式、代理程式和自動化流程。選擇符合任務需求的模型，並依照 [Ailoot 文件](https://ailoot.ai/docs/)開始使用。


## Ailoot · 公司及其專案組合

Ailoot以累積的營運經驗、廣大的客戶群、穩定的服務及持續的KPI管理為基礎。

公司及其專案組合：數百萬客戶，每月銷售額達數十億。

Ailoot將這些營運經驗用於API存取，讓客戶的產品、代理、應用程式及自動化流程使用AI功能。
