whichllm教程：一键找出最适合你电脑的本地大模型

大家好 这里是「代码简单说」,欢迎大家关注同名公众号,不定时更新更多实用有趣的教程 也欢迎大家在评论区一起讨论交流!~

SEO关键词：本地大模型推荐工具、LLM模型选择工具、Qwen模型部署、本地AI模型运行、GPU显卡跑大模型、whichllm教程、AI模型推荐工具、HuggingFace模型推荐

最近越来越多朋友开始折腾本地大模型。

但一个非常现实的问题摆在面前：

我的电脑到底适合跑什么模型？

RTX4060能跑32B吗？

24G显存选Qwen3还是Llama？

MacBook M3 Max适合哪个模型？

很多人会打开各种模型排行榜，然后开始各种查资料、算显存、看量化版本。

结果折腾半天还是不知道该选哪个。

直到最近发现了一个非常有意思的开源项目：

whichllm

它可以自动检测你的硬件配置，然后直接告诉你：

当前机器最值得运行的大模型是谁。

而且它不仅仅看显存是否能装下模型，还会结合：

• Benchmark成绩
• 模型发布时间
• 推理速度
• 量化质量
• HuggingFace数据

综合推荐真正适合你的模型。

今天就带大家详细体验一下这个神器。

---

目录

• 什么是whichllm
• 为什么需要whichllm
• 核心功能介绍
• 安装方法
• 快速使用
• GPU模拟测试
• 模型运行功能
• Python代码生成
• 工作原理解析
• 与传统选型方式对比
• 实际体验

---

什么是whichllm

项目地址：

https://github.com/Andyyyy64/whichllm

whichllm是一款：

自动推荐本地LLM模型的CLI工具

简单来说：

它会根据你的硬件配置自动分析：

CPU
GPU
显存
内存
硬盘

然后从 HuggingFace 海量模型中筛选出：

最适合
最能跑
效果最好

的模型。

官方介绍：

Find the best local LLM that actually runs on your hardware.

翻译过来就是：

找到真正适合你硬件运行的本地大模型。

---

为什么需要whichllm

很多工具只会告诉你：

这个模型能跑

但能跑 ≠ 值得跑。

例如：

RTX4090：

Qwen3.6-27B
Qwen3-32B
Llama3-70B(Q2)

可能都能运行。

但实际体验：

模型	速度	效果
Qwen3.6-27B	快	很强
Qwen3-32B	中	强
70B Q2	慢	不稳定

如果只按显存推荐：

很多工具会推荐70B。

但whichllm会综合考虑：

模型质量
推理速度
量化损失
硬件适配

最终推荐真正体验最好的模型。

---

核心功能

自动检测硬件

运行：

whichllm

自动检测：

NVIDIA
AMD
Apple Silicon
CPU
RAM

无需任何配置。

---

GPU模拟

非常适合买显卡前做规划。

例如：

whichllm --gpu "RTX 4090"

或者：

whichllm --gpu "RTX 5090"

模拟结果：

#1 Qwen3.6-27B
#2 Qwen3-32B
#3 Qwen3-30B-A3B

提前知道升级显卡后的效果。

---

升级对比

比较多个显卡。

whichllm upgrade "RTX 4090" "RTX 5090" "H100"

输出类似：

GPU	推荐模型	得分
RTX4090	Qwen3.6-27B	92.8
RTX5090	Qwen3.6-27B	94.7
H100	更高规格模型	98+

适合硬件升级决策。

---

GPU需求反查

很多人会问：

Qwen72B需要什么显卡？

直接查询：

whichllm plan "Qwen2.5-72B"

输出：

推荐显存
推荐量化
最低配置
最佳配置

非常实用。

---

安装教程

方法一：uvx运行

推荐。

无需安装。

uvx whichllm@latest

直接执行。

---

方法二：uv安装

uv tool install whichllm

升级：

uv tool upgrade whichllm

---

方法三：pip安装

pip install whichllm

---

方法四：Homebrew

Mac用户：

brew install andyyyy64/whichllm/whichllm

---

快速体验

查看当前最佳模型

whichllm

输出类似：

#1 Qwen3.6-27B
#2 Qwen3-32B
#3 DeepSeek-R1

---

查看更多结果

whichllm --top 20

返回前20名。

---

JSON格式

适合自动化。

whichllm --json

输出：

{
  "models":[
      {
         "model_id":"Qwen/Qwen3.6-27B"
      }
  ]
}

---

一键启动模型聊天

这是我最喜欢的功能。

运行指定模型

whichllm run "qwen 2.5 1.5b gguf"

工具会自动：

下载模型
安装依赖
启动推理
进入聊天

真正做到：

开箱即用

---

自动选择模型

甚至不用指定模型。

whichllm run

自动选择当前机器最佳模型。

---

CPU模式

whichllm run "phi 3 mini gguf" --cpu-only

低配置电脑也能体验。

---

自动生成Python代码

对于开发者来说特别友好。

例如：

whichllm snippet "qwen 7b"

自动生成：

from llama_cpp import Llama

llm = Llama.from_pretrained(
    repo_id="Qwen/Qwen2.5-7B-Instruct-GGUF",
    filename="qwen2.5-7b-instruct-q4_k_m.gguf",
    n_ctx=4096,
    n_gpu_layers=-1,
)

output = llm.create_chat_completion(
    messages=[
        {
            "role": "user",
            "content": "你好"
        }
    ]
)

print(output)

直接复制即可运行。

---

whichllm工作原理

很多人好奇：

它凭什么推荐模型？

其实核心流程如下：

硬件检测
    ↓
获取HuggingFace模型
    ↓
获取Benchmark数据
    ↓
计算显存需求
    ↓
估算推理速度
    ↓
评分排序
    ↓
输出最佳模型

---

V1传统推荐方案的问题

传统逻辑：

显存够不够

公式：

模型大小 <= 显存

问题：

忽略模型质量
忽略推理速度
忽略量化损失

推荐结果经常不合理。

---

V2 whichllm改进方案

引入综合评分：

Benchmark
模型规模
量化质量
运行速度
证据可信度
模型热度

最终形成：

Score(0~100)

排序推荐。

---

评分机制解析

官方评分因素：

因素	权重
Benchmark质量	核心
模型规模	35分
量化质量	惩罚项
证据可信度	乘数
运行适配度	乘数
推理速度	±8
来源可信度	±5
模型热度	辅助

这种方案比单纯看参数量科学得多。

---

支持的数据源

whichllm会综合多个排行榜。

包括：

LiveBench
Artificial Analysis
Aider
Open LLM Leaderboard
Chatbot Arena
Vision Benchmark

因此结果相对客观。

---

实际体验

我分别测试了：

RTX4060
RTX4090
Mac M3 Max

推荐结果基本符合当前社区主流认知。

例如：

RTX4090：

Qwen3.6-27B

确实是目前兼顾：

效果
速度
显存占用

比较均衡的选择。

相比很多只会推荐最大参数模型的工具来说靠谱很多。

---

适合哪些人

推荐以下用户使用：

本地AI玩家

不知道选什么模型。

---

显卡升级用户

提前评估：

4090
5090
H100

哪个更值得买。

---

AI开发者

快速获取：

最佳模型
推理代码
部署方案

---

企业私有化部署

评估：

硬件成本
模型效果
运行速度

---

总结

whichllm最大的价值在于：

它解决的不是“能不能跑”的问题，而是“跑哪个最好”的问题。

相比传统的显存计算器，它额外结合：

• HuggingFace模型库
• 多个Benchmark排行榜
• 推理速度估算
• 模型可信度分析
• 硬件适配能力

最终给出更符合实际体验的推荐结果。

如果你最近正在折腾：

Qwen
DeepSeek
Llama
Gemma
Mistral

等本地大模型，建议体验一下whichllm，几秒钟就能知道自己机器最值得跑哪个模型。

项目地址

https://github.com/Andyyyy64/whichllm

如果觉得有帮助，别忘了给项目点个 Star。这样优秀的开源工具，值得被更多本地AI爱好者发现。