Inici › Llistes per cas d'ús › Eines d'execució de models grans locals
🖥️ Eines d'execució de models grans locals (5)
Executa models grans al teu propi ordinador o servidor perquè les dades no surtin mai de la màquina i no hi hagi dependència de xarxa. Aquesta llista filtra eines i models relacionats amb l'execució local, quantització de models i inferència local de la llista d'èxits, ordenats per popularitat. El contingut s'actualitza automàticament amb la llista d'èxits.
Dades actualitzades 18 d’oct. 2026 · Els preus no estan verificats; comprova els llocs web oficials
1. PolyStrata
PolyStrata és una eina per executar models de llenguatge grans localment. Admet múltiples models, incloent Qwen3, GLM 5.3, DeepSeek V4, LFM2.5 i Gemma 4. Es pot instal·lar i executar amb un clic a Windows i Linux, i proporciona una API local compatible amb OpenAI/Anthropic. Les funcionalitats principals inclouen: Admet l'execució de múltiples models de llenguatge grans localment en un PC, incloent Qwen3.8-Flash-Next, GLM 5.3 Flash, DeepSeek V4 Flash, LFM2.5, Qwen3.6 i Gemma 4; Proporciona instal·lació i execució amb un clic a les plataformes Windows i Linux; Servei d'API local integrat compatible amb OpenAI i Anthropic. Adequat per a desenvolupadors, investigadors i usuaris individuals que necessiten executar models de llenguatge grans de manera privada en un PC local, desenvolupar aplicacions amb capacitats d'IA integrades o utilitzar una API local.
PolyStrata: visió general completa i alternatives → · Lloc web oficial / pàgina del projecte
2. deepseek-local-guide-ru
Guia completa en rus que detalla com instal·lar i executar localment els models DeepSeek V4 i R1 en PC, Mac i servidors, amb suport per a múltiples mètodes com Ollama, llama.cpp, LM Studio, vLLM, Open WebUI, API, RAG, Agent i fine-tuning. Les funcionalitats principals inclouen: Guia completa en rus que detalla com instal·lar i executar localment els models DeepSeek V4 i R1 en PC, Mac i servidors; Permet executar amb un clic els models destil·lats DeepSeek-R1 mitjançant Ollama; Permet executar el model DeepSeek V4-Flash mitjançant llama.cpp. Adequat per a desenvolupadors, investigadors i entusiastes de parla russa que volen executar models DeepSeek de manera privada en PC, Mac o servidors locals.
deepseek-local-guide-ru: visió general completa i alternatives → · Lloc web oficial / pàgina del projecte
3. d3
vllm-sr/d3 és un repositori de models de codi obert basat en el motor d'inferència vLLM, centrat en el desplegament i la inferència eficients de models de llenguatge grans. Les funcionalitats principals inclouen: Admet entrada de text o JSON i pot adjuntar múltiples imatges i vídeos simultàniament; Una única crida pot gestionar múltiples tipus de decisions: elecció múltiple, sí/no, puntuació, i retorna la probabilitat per a cada resposta; Genera directament probabilitats de decisió sense generar text. Desenvolupadors que necessiten realitzar inferència de decisions multimodals eficients, adequat per construir aplicacions de selecció, judici o puntuació.
d3: visió general completa i alternatives → · Lloc web oficial / pàgina del projecte
4. Qwen3.8-Flash-Next-FP4-Local
Versió quantitzada FP4 de Qwen3.8B Flash Next publicada per NVIDIA, un model de llenguatge gran lleuger per a execució local. Les funcionalitats principals inclouen: Versió quantitzada FP4 de Qwen3.8B Flash Next, que admet execució local; Quantitzat amb tecnologia Quantisation-Aware Distillation (QAD); Admet codificador de visió, atenció híbrida, MoE, fluxos residuals amb porta i incrustacions n-gram. Desenvolupadors i investigadors que necessiten desplegar i executar models de llenguatge grans multimodals lleugers en maquinari NVIDIA local (com ara RTX PRO 6000 Blackwell o DGX Spark).
Qwen3.8-Flash-Next-FP4-Local: visió general completa i alternatives → · Lloc web oficial / pàgina del projecte
5. Underdog-Saluki-27B-1.0
Un model quantitzat GGUF de 2 bits basat en Qwen3.8-27B, amb una mida inferior a 8 GB. Es centra a preservar la capacitat de crida d'eines i es pot executar directament amb llama.cpp. Les funcionalitats principals inclouen: Un model quantitzat GGUF de 2 bits basat en Qwen3.8-27B, mida 7.89 GB; Es centra a preservar la capacitat de crida d'eines i admet crides d'eines paral·leles; Admet generació de text i pot aconseguir comprensió d'imatges mitjançant un complement de visió opcional. Usuaris que necessiten executar tasques de crida d'eines i multimodals en models grans però amb recursos de maquinari limitats. Adequats per a desenvolupadors i investigadors que despleguen llama.cpp localment.
Underdog-Saluki-27B-1.0: visió general completa i alternatives → · Lloc web oficial / pàgina del projecte
Preguntes freqüents
Quines eines es recomanen a “Eines d'execució de models grans locals”?
Aquesta llista inclou 5 eines: PolyStrata, deepseek-local-guide-ru, d3, Qwen3.8-Flash-Next-FP4-Local, Underdog-Saluki-27B-1.0. De la Llista Calenta d'IA (actualitzada cada 6 hores): PolyStrata, deepseek-local-guide-ru, d3, Qwen3.8-Flash-Next-FP4-Local, Underdog-Saluki-27B-1.0.
Aquestes eines són gratuïtes?
Els preus i els plans gratuïts canvien sovint i aquest lloc no els ha verificat un per un. Comprova el lloc web oficial de cada eina. PolyStrata, deepseek-local-guide-ru, d3, Qwen3.8-Flash-Next-FP4-Local, Underdog-Saluki-27B-1.0 es publiquen obertament a GitHub / Hugging Face; consulta les seves pàgines de projecte per als detalls de llicència i ús.
Amb quina freqüència s'actualitza aquesta llista?
La part curada la mantenen els nostres editors; la part de llista calenta s'actualitza automàticament amb la Llista Calenta d'IA cada 6 hores. Aquestes dades es van actualitzar per últim cop el 18 d’oct. 2026.
Més llistes
🧩 Eines essencials d'IA per a gestors de producte🎮 Eines d'IA per al desenvolupament de jocs independents💻 Eines de programació amb IA / Eines de Vibe Coding🎬 Eines de generació de vídeo amb IA✍️ Eines d'escriptura amb IA🤖 Eines de creació d'agents d'IA🎙️ Eines de notes de reunions i transcripció amb IA
Butlletí
Un correu a la setmana
Un correu a la setmana: les 3 eines imprescindibles de la llista.
Gratuït. Sense spam. Cancel·la la subscripció en un clic.