本地跑模型，模型选择比显卡选择更影响体验。DeepSeek、Qwen（通义千问）、Llama 是当下本地部署的三个主流选择，这篇讲清楚各自的定位和适用场景。
一、三者定位差异
DeepSeek：综合能力的标杆。DeepSeek-V3 系列以 67B 参数实现了一线模型的能力，R1 系列把推理能力带进了开源阵营。最大优势是 Apache 2.0 协议——商用无限制、修改后闭源也允许，对比 Llama 超过 7 亿用户需授权的条款，企业本地部署的合规风险小得多。
Qwen（通义千问）：工程生态最完整的一支。Qwen 系列从 7B 到 72B 覆盖全尺寸，Qwen2.5-72B 发布时性能被报道为"跨量级超越 Llama 3.1"。对本地部署用户更关键的是：工具调用、长上下文、多语言、代码能力均衡，且有官方的量化版本和 Ollama/LM Studio 一等支持。中文场景下 Qwen 的优势尤其明显。
Llama（Meta）：学术基准和英文能力的老牌强者，但开源协议的限制（用户规模授权条款）让它在企业商用场景需要法务评估。本地个人使用没问题，公司部署建议优先考虑协议更干净的选项。
二、本地部署视角的关键指标
选型时看三个维度：
- 尺寸覆盖：你的显存能装下哪个尺寸？32GB 显存下，Qwen/DeepSeek 的 27B~32B 量化版本是甜点区
- 工具调用能力：接 Agent、接工作流（Dify、LangChain）需要模型 reliably 走 function call，这方面 Qwen 系列口碑最好
- 量化友好度：不是所有模型 Q4 量化后都稳，看社区实测反馈再定
三、选型建议（按场景）
- 中文为主 + 要接工具/Agent：Qwen 系列（如 27B Q4），中文理解和工具调用都稳
- 要最强推理 + 商用合规敏感：DeepSeek（Apache 2.0，协议零风险）
- 英文技术内容处理：Llama 依然是强选择，注意协议条款
- 显存 ≤16GB：别硬上 27B，选 7B~14B 的 Q8 量化，速度体验好得多
结论：没有全能冠军，按"语言场景 + 是否商用 + 显存"三问来选，32GB 显存下 27B Q4 级别的量化模型是当前最稳的落点。