一键测算！一款筛选本机可流畅运行的大模型终端工具！

大家好，我是 Java陈序员。

在如今的 AI 时代，各种开源大模型层出不穷。当我们想要在本地部署大模型时，既要熟悉模型运行参数，还要了解自己本地机器的硬件参数，普通开发者很难依靠零散的参数表格精准判断模型和硬件的适配性。往往是耗时下载了一个个大模型，结果却与本地机器不适配！

今天，给大家分享一款大模型检测终端工具，在数百种模型与提供商中，通过一条命令找出你的硬件能运行哪些模型！

项目介绍

llmfit ------ 一款根据你系统的 RAM、CPU 和 GPU 为 LLM 模型匹配合适规格的终端工具。支持自动检测硬件，从质量、速度、适配度和上下文四个维度为每个模型打分，告诉你哪些模型能在你的机器上流畅运行。

功能特色：

全自动智能探测：依托系统底层接口自动采集整机硬件信息，无需手动填写任何配置参数，打开工具即可完成整机硬件盘点
全平台无缝兼容：Windows、macOS、Linux 三大系统全覆盖，同时支持在 Docker 环境中使用
内置海量模型库：内置持续更新的模型数据库，收录百余家厂商、五百余款主流开源 LLM, 囊括 Qwen、Llama、DeepSeek 等热门模型
多维智能打分：通过模型能力质量、硬件适配程度、推理生成速度、上下文窗口长度等维度自动对所有可用模型打分分级
双交互模式：提供终端可视化面板、 CLI 命令两种模式，还支持 Web 仪表盘查看，既方便小白使用，又方便开发者二开对接使用

快速上手

安装

llmfit 支持通过下载安装包 安装和使用命令安装两种方式。推荐使用命令安装，无需进行额外的配置。

Windows

需先安装 Scoop, 如果尚未安装，参考如下方式进行安装。

1、在 Windows 中打开 PowerShell

2、在命令行窗口中，粘贴如下命令并回车运行

bash 复制代码

Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser
Invoke-RestMethod -Uri https://get.scoop.sh | Invoke-Expression

3、安装 llmfit

bash 复制代码

scoop install llmfit

Linux

1、从 GitHub 下载最新发布的二进制文件并安装到 /usr/local/bin（如果没有 sudo 则安装到 ~/.local/bin）

bash 复制代码

curl -fsSL https://llmfit.axjns.dev/install.sh | sh

2、或者安装到 ~/.local/bin（无需 sudo）

bash 复制代码

curl -fsSL https://llmfit.axjns.dev/install.sh | sh -s -- --local

macOS / Linux

bash 复制代码

brew install llmfit

MacPorts

bash 复制代码

port install llmfit

Docker / Podman

bash 复制代码

docker run ghcr.io/alexsjones/llmfit

使用

1、llmfit 安装成功后，在命令行窗口中输入如下命令一键启动交互式终端 UI

bash 复制代码

llmfit

2、交互式终端 UI 界面说明

系统配置（CPU、RAM、GPU 名称、VRAM、后端）显示在顶部
模型按综合评分排序，以可滚动的表格列出
每行显示模型的评分、预估 tok/s、最佳量化方案、运行模式、内存占用和用途分类

3、常用快捷键

功能体验

TUI Plan 模式

按 p 可查看这个模型需要什么硬件配置。

硬件模拟

按 S 打开硬件模拟弹窗，通过不同的 RAM、VRAM 和 CPU 核心数，查看有哪些适配的大模型。

主题

按 t 可在 10 种内置颜色主题间切换。

Web 仪表盘

当运行 llmfit 时，会自动在后台启动 Web 仪表盘，默认地址：

bash 复制代码

http://localhost:8787

可以说，在如今大模型遍地开花的当下，llmfit 解决了硬件与模型信息不对称的痛点，通过一行命令，即可从上百种模型中快速检测出与机器适配的大模型。无论你是入门新手、本地 AI 爱好者，还是 AI 开发从业者，都可以安装试用，省下大量试错成本。快去安装体验吧~

bash 复制代码

项目地址：https://github.com/AlexsJones/llmfit

最后

推荐的开源项目已经收录到 GitHub 项目，欢迎 Star：

bash 复制代码

https://github.com/chenyl8848/great-open-source-project

或者访问网站，进行在线浏览：

bash 复制代码

https://chencoding.top:8090/#/

大家的点赞、收藏和评论都是对作者的支持，如文章对你有帮助还请点赞转发支持下，谢谢！