CanIRun.ai翻译站点

一、核心定位

• 用途：解决 “我这台电脑能跑什么本地 AI 模型” 的问题，无需安装软件，浏览器直接用。
• 发布时间：2026 年 3 月（Hacker News 热门讨论工具）。

二、工作原理

• 用浏览器 WebGPU API 自动读取硬件：GPU 型号、显存、内存带宽、RAM 等。
• 基于模型参数大小、量化等级（Q4_K_M/Q8_0/F16 等）、显存需求，结合硬件带宽，自动计算可运行性与推理速度（token/s）。
• 数据来源：llama.cpp、Ollama、LM Studio 等主流本地推理工具库。

三、主要功能

1. 自动硬件检测：Chrome/Edge 直接识别 GPU / 显存；Firefox 兼容性较差。
2. 模型兼容性评级（S～F）：
   • S/A：流畅（≥20 token/s，对话无压力）
   • B/C：可运行（5–20 token/s，轻度可用）
   • D/F：不推荐（＜5 token/s 或显存不足）
3. 速度预估（token/s）：直观判断是否够用。
4. 多维度筛选：按模型大小、量化、任务类型、开源协议过滤。
5. 模型对比（Compare）：同一硬件下多模型并排对比，直观差异。
6. 升级模拟：换不同显卡 / 显存，看能提升哪些模型的运行能力。

四、覆盖模型范围

• 轻量：0.8B～7B（如 Mistral-7B、Llama 2-7B）
• 中端：13B～34B（如 Llama 3-70B、Phi-3）
• 高端：70B～1T MoE（如 GPT-4 级别的巨型模型，仅高端工作站 / 数据中心可跑）

五、使用场景

• 本地 AI 新手：避免盲目下载几十 GB 模型 “碰运气”。
• 硬件升级决策：判断是否需要加显存 / 换显卡。
• 模型选型：快速找到适合自己电脑的 LLM。