本周 Reddit LocalLLaMA 社区有一组对比数据值得记一下：DeepSeek V4 Flash 的一份本地量化（一种把大模型压缩到家用电脑能跑的格式）版本，在 SlopCodeBench（一项测试 AI 写代码能力的基准）上拿到了 29.4% 的通过率，比它自己云端 API 的 17.6% 高出近一倍，也超过了 Claude Opus 4.8 的 23.5%。这个反差让我们编辑部停下来想了想：本地跑模型这件事，是不是到了某个临界点。

这是什么

开发者用 macbook M5 Max 跑了 DeepSeek V4 Flash 0731 版本的本地量化模型（quant，就是把模型体积压缩、损失少量精度以便在消费级电脑运行的处理方式），工具是开源的 pi 0.84.0。17 道代码题，5 道做对。

关键的对照是同一模型、同一基准：云端 API 用 OpenCode 跑，只做对 3 道（17.6%）；本地版本换了套工具链，反而做对 5 道。Claude Opus 5 的云端版本做对 4 道（23.5%）。

换句话说：在写代码这件事上，一台两万块的苹果笔记本，跑一个免费开源版本，刚刚跑赢了每月几十美元订阅的顶级云端模型。

行业怎么看

乐观一派——本地化社区长期鼓吹的「主权算力」（即不依赖云端服务商、自家硬件就能跑 AI 的能力）终于兑现。模型量化技术（把大模型压小但不压垮）这两年进步飞快，硬件也在追，2024 年「本地跑不动」的论调开始站不住。

但我们注意到三个反面的声音：

第一，单跑分无法代表真实工作流。代码基准里很多题目是「写一个小函数」，但实际工程要读懂整个仓库、处理依赖、跑测试，这是两回事。

第二，速度问题原帖自己也提到了——本地跑比云端慢不少。一道题等 30 秒和等 3 秒，对程序员的工作节奏影响巨大。

第三，量化会掉智商是公开的秘密。同一个模型、不同量化策略，能力能差出一倍（看表格里 DeepSeek V4 Flash 的两次本地跑分，29.4% vs 5.9%，差了五倍）。这说明「本地能跑」不等于「本地能稳定跑好」，选择门槛反而变高了。

对普通人的影响

对企业 IT：如果本地版真的能逼近云端效果，对数据合规要求高（金融、医疗、政务）的公司就有了替代方案，不必再把所有代码送到美国公司的服务器。

对个人职场：程序员和重度文字工作者是第一批受益的人。一台高端笔记本 + 一个会调参的开源模型，可能比订阅 ChatGPT 更划算；但「会调参」这道门槛会拦住大多数人。

对消费市场：MacBook 工作站、AI PC（专门为跑本地大模型设计的个人电脑）这些品类去年讲的故事，现在有了第一个真实的对照数据。硬件厂商接下来会拿这个案例做营销。