LLM 本地部署选型助手

根据你的显存和任务，告诉你哪个本地小模型真的能用

痛点

开发者在 24GB 显存等消费级硬件上想跑代码小模型，但面对 Qwen3-Coder-30B、DeepSeek-Coder-V2-Lite 等众多选项，不知道哪个实际效果最好、哪种量化最适合自己的场景。

方案

一个本地基准测试工具，自动检测硬件配置，在用户机器上对候选模型跑一组代码任务（补全、解释、重构），生成可比较的效果与速度报告，并给出推荐。

用户

拥有消费级 GPU 的个人开发者、小团队技术选型者

MVP

自动检测 GPU 显存和内存；内置 10 个典型代码任务；支持 3-5 个主流小模型的量化版本；输出任务通过率和 tokens/秒对比表；一键分享报告。

变现

开源核心，付费提供云同步历史报告、团队共享排行榜和定期更新的模型兼容性数据库。

为何现在

本地小模型生态爆发，但选型信息碎片化，且云端评测无法反映个人硬件真实表现，这正是独立开发者能填补的缝隙。