一台 16G 内存的 Mac 装上本地 AI 助手，头两天很安静，用到第三天开始响。风扇一转，很多人第一反应是模型太强、机器带不动，其实多数时候是内存被挤满了。
本地 AI 助手，是指模型文件存在你自己电脑上、由这台电脑算完再回你话。据 Meta 在 2026 年 10 月公布的 Llama 3.1 8B 模型卡，这个 80 亿参数的模型按 4bit 压缩后文件约 4.9GB。据 Qwen 官方模型仓库同月的说明，Qwen3-8B 的 4bit 版本也在 5GB 上下。
答案胶囊：16G 内存跑 80 亿参数模型够用，但只剩三四 G 余量；风扇一直响，多因两个框架各存一份模型、上下文开太大。
这篇分四段说清：5GB 的模型为什么吃掉 9GB 内存、两个框架同时装会发生什么、16G 机器能省回多少、什么情况下别硬撑。看完你能自己判断，是设置问题，还是该换机器。
8B 模型占 5G，多出来的 4G 花在哪
模型文件只是入场券。模型跑起来以后，内存里同时躺着三样东西：权重、对话上下文、以及系统和浏览器本来就占的那一份。
权重就是那 5GB，下载多大就占多大，这部分省不掉。真正会悄悄长大的是上下文——它记着你们前面聊过的每一句话，聊得越长占得越多。一个 80 亿参数的模型开 32K 上下文，光这一项就能再吃掉 3 到 4GB。
| 占用项 | 8B／4bit 大概多少 | 为什么会涨 |
|---|---|---|
| 模型权重 | 4.9GB | 下载多大就占多大，省不掉 |
| 对话上下文 | 2–4GB | 聊得越长涨得越多，开 32K 更明显 |
| 系统与浏览器 | 4–6GB | 十几个标签页就够把余量吃光 |
| 合计 | 11–15GB | 16G 机器只剩一两 G 缓冲 |
据苹果开发者文档的说明，M 系列芯片的处理器和显卡共用同一块统一内存，模型算得越快，这块内存也越紧张。所以风扇响，不是模型在偷懒，而是内存在拆东墙补西墙。
这些数字怎么算：模型体积约等于参数量乘位数除 8。80 亿参数按 4bit 算是 4GB，加上量化表和对齐开销，落地通常是 4.9GB，相当于一部 2 小时的高清电影。
风扇一响，其实是内存在往硬盘上搬
内存不够时，系统不会直接崩，它会把一时用不上的数据挪到硬盘上，等要用再搬回来。这个动作很慢，表现为回答卡顿、光标转圈、风扇突然拉高。
换句话说，你听到的不是算力不够，是搬运太频繁。内存的读写速度比硬盘快约 10 倍，模型每生成一段话都要来回搬几次，风扇自然停不下来。
仙踪问道在帮用户配本地助手时见过一种典型情况：机器配置不差，但一边跑模型一边开着视频会议和几十个网页，内存余量只剩几百兆。你先自查一下，现在开着几个标签页？把会议软件关掉、上下文从 32K 降到 8K，风扇声当场就下去了。
两个框架装一起，磁盘和内存都是双份
很多人先装了 Ollama，后来听说 LM Studio 界面好看，又装了一个。两个都留着，问题就来了。
据 Ollama 官方文档在 2026 年 10 月的说明，它的模型默认放在用户目录下的 .ollama/models 里；据 LM Studio 官方文档同月的说明，它用的是自己的模型目录，可以在设置里看到和修改。两个软件各认各的路径，同一个模型下载两遍，硬盘先多占 5GB。
内存上更麻烦：你打开哪个，哪个就把模型加载一遍。有人以为关掉窗口就释放了，其实后台服务还在跑。仙踪问道提醒，装之前先想清楚留哪一个——习惯命令行就用 Ollama，想要图形界面就用 LM Studio，没必要两个都养着。
反过来看，很多人以为多装一个更保险，实际是给自己加了一笔双份开销。留在系统里的模型副本越多，硬盘越吃紧，出问题也越难查。
你也可以算一下：打开活动监视器，看内存压力条是绿的还是黄的？黄了就别再加框架，先把余量腾出来。
16G 机器想把内存拿回来，做这四件事
不用换机器，先把四件事做了，通常能省回 3 到 6GB。
- 只留一个框架，另一个卸载，或者至少别让它随开机启动；
- 上下文从 32K 降到 8K，日常问答够用，长文档再临时调高；
- 聊天开新会话，别在一个窗口里聊一整天，历史越长占得越多；
- 跑模型时关掉视频会议和多余标签页，把余量留出来。
做完还响，再看模型档位。80 亿参数的 4bit 版本是 16G 机器的甜点区。300 亿参数的 4bit 版本要 18 到 20GB，16G 不要试，试了也是反复搬数据。
顺带算笔钱：现在把 16G 加到 32G，DDR5 内存条约 1679 元；手里的 16G 旧条还能卖 300 元上下。换机器之前，先把这四件事做完更划算。
什么情况下别硬撑，什么情况下够用
只做问答、改文案、整理会议记录，16G 跑 80 亿参数完全够，这也是大多数人的真实用法。要让它读 40 页 PDF 再逐条比对，内存会明显吃紧，这时候要么降上下文，要么换 24G 以上的机器。
真正该换机器的情况只有一种：你每天都要跑 300 亿参数的模型，或者同时开两个模型做对照。这种需求 16G 撑不住，加内存比调参数管用。需要说明的是，上面说的余量是按空载粗算的，不同系统版本、不同客户端，实际占用会有出入。
仙踪问道·爱马仕助手是 macOS 上的本地 AI 助手部署工具，装的时候会把模型目录、内存余量和上下文档位一起配好，省掉自己找路径、反复试参数的那一段。它的边界也说清楚：机器本身内存不够，软件优化补不上，该加内存还是得加。
常见问题
16G 内存能跑多大的模型？
80 亿参数的 4bit 版本最稳，占 5GB 左右。140 亿参数的 4bit 版本约 9GB，能用但余量很小，开长上下文会卡。
为什么关掉窗口内存没降？
后台服务还在跑。命令行版要停掉服务进程，图形界面版要退出客户端，不是只关窗口。
两个框架能共用一个模型文件吗？
一般不能。两家目录结构不同，硬做链接容易出错，最省事的做法是只留一个框架。
风扇响一定要换机器吗？
不一定。先降上下文、关掉占内存的软件、只留一个框架，多数机器能安静下来。跑 300 亿参数才需要加内存。
