本文为资料整理，非实机评测。本文不含任何本机跑分或速度测量，所有版本号、功能和价格均取自三家官方页面与官方仓库，抓取日期为 2026-10-28。
先在本地跑一个大模型，你迟早要面对同一个问题：用 Ollama、LM Studio，还是直接上 llama.cpp？三个工具都在跑同一类模型（GGUF 量化权重），差别全在安装方式、能不能自己选量化、要不要掏订阅费这三件事上。
一句话结论
- 只想装完就能聊天：选 LM Studio（免费档就能离线跑本地模型）。
- 想让本地模型变成接口，给脚本和 App 调用：选 Ollama。
- 显存紧张、要在 CPU 和显卡之间混着跑，或要最细的量化控制：选 llama.cpp。
参数与功能对比表
数据来自 ollama.com、lmstudio.ai、github.com/ggml-org/llama.cpp 与各自官方文档，抓取日期 2026-10-28。
| 对比项 | Ollama | LM Studio | llama.cpp |
|---|---|---|---|
| 形态 | 命令行 + 本机接口 | 图形界面桌面应用 | 命令行工具集与库 |
| 当前版本（抓取日） | v0.40.12（2026-10-27 发布） | Bionic 1.1.9（changelog 页） | 最新标签 b11954（2026-10-28）；另有 v0.7.0（2026-10-15） |
| 本地要不要付费 | 不要，本地运行无需订阅 | 不要，Free 档即含本地推理 | 不要，MIT 许可开源 |
| 模型来源 | ollama.com 模型库；热门条目含 deepseek-v4.1-flash、glm-5.3、nemotron-3.5-bolt、minimax-m3.1-flash、lfm3-vl | 应用内搜索下载，支持 GGUF 与 MLX 两种格式 | 直接拉 Hugging Face，官方示例 llama serve -hf ggml-org/Qwen3.5-0.8B-GGUF |
| 自己控制量化 | 不能。官方文档明确：导入 GGUF 时 Ollama 不做量化，要先用 llama.cpp 的 llama-quantize 处理好再导入 | 可以，下载时按量化档（如 Q4_K_M、Q6_K）挑文件 | 可以，量化与后端全部自己选 |
| 显卡后端 | 官方文档有 Hardware support 与 Troubleshooting 章节 | 走 llama.cpp 扩展包（1.1.9 提到 llama.cpp 2.62.0 / 2.61.0）与 MLX | CUDA、AMD 的 HIP、摩尔线程 MUSA、Vulkan、SYCL，Apple 芯片走 Metal |
| 大模型跑法 | 文档未单独说明 | 文档未单独说明 | CPU+GPU 混合推理，可跑比显存总量更大的模型 |
| 对外接口 | /api/chat、/api/generate、/api/embed |
本地接口（OpenAI 兼容） | llama serve 起 OpenAI 兼容接口 |
| 跨设备 | 文档未提及 | LM Link，Free 档限 5 台设备 | 文档未提及 |
| 上手难度 | 低 | 最低 | 中高，要选二进制和参数 |
价格表（抓取日期 2026-10-28，官方定价页）
三家本地运行都免费，差别在云端订阅：
| 档位 | Ollama Cloud（ollama.com/pricing） | LM Studio Bionic（lmstudio.ai/pricing） | llama.cpp |
|---|---|---|---|
| 免费档 | Pay as you go：$0 起，按 token 计费，本地运行无需订阅，含 3 个并发请求 | Free $0：本地跑模型、Bionic Agent、离线语音转写、LM Link（限 5 台设备） | 无收费项 |
| 中间档 | Pro：$20/月 或 $200/年（年付折算 $16.67/月），每月 $60 用量额度 | Bionic+：$20/月，含 Kimi K3、GLM 5.3、DeepSeek V4 Flash 等托管开源模型 | — |
| 高档 | Max：$100/月，$300 额度，10 并发 | Pro：$100/月，5 倍用量额度 | — |
| 团队 | Team：$500/月，团队共享 $1,000 额度 | 有组织统一计费入口，页面未公开价格 | — |
llama.cpp 侧的 GitHub 数据：132,605 star，MIT 许可（api.github.com 同一天抓取）。
逐个说清各自的坑
Ollama：装模型最省事，量化这一环被它接管了。 官方文档的 Importing a Model 页面写得很直接：导入 GGUF 时不会顺手帮你量化，得先用 llama.cpp 的 llama-quantize 把模型处理好，再写 Modelfile 跑 ollama create。接口是它的强项，/api/chat、/api/generate、/api/embed 三个入口齐全，写脚本调本地模型基本不用额外装东西。代价是你想在量化档上反复试，工具链就得分开用。
LM Studio：图形界面最省事，但产品重心明显在云端。 它本身建在 llama.cpp 上（Hugging Face 官方 hub-docs 也是这么写的），Mac（Apple 芯片）、Windows、Linux 都能装，量化档在下载时挑，Hugging Face 的 “Use this model” 按钮可以直接把 GGUF 或 MLX 模型送进来。要留意的是它现在的定价页标题是 “Bionic Pricing”，Free 档保留本地推理，但 $20 与 $100 两档卖的是美国托管、零数据保留的云端推理。只想离线用，Free 档就够；看到 “Bionic+” 别误以为那是本地功能。
llama.cpp：上限最高，代价是所有决定都归你。 官方 README 列的后端包括 NVIDIA 的 CUDA 自定义 kernel、AMD 的 HIP、摩尔线程的 MUSA、Vulkan 与 SYCL，Apple 芯片走 Metal 与 Accelerate；量化覆盖 1.5 位到 8 位整数。最有价值的一条是 CPU+GPU 混合推理，能跑比显存总量更大的模型。入门命令已经很短：llama cli -hf ggml-org/Qwen3.5-0.8B-GGUF 直接跑，llama serve -hf ... 起 OpenAI 兼容接口。但选哪个预编译包、开哪个后端、上下文开多大，都得自己定。
分情况怎么选
- 第一次折腾本地模型：LM Studio 或 Ollama 二选一，看你要不要接口。llama.cpp 不适合第一天就上。
- 要给脚本、NAS 上的服务、自己的 App 调用：Ollama。要最可控的推理参数和后端：llama.cpp，用它的
llama serve当接口。 - 预算敏感：先用免费档把事跑通——Ollama 的 Pay as you go 按 token 计费、LM Studio 的 Free 档跑本地。订阅费在决定要不要买显卡之前先别付。
- 想让手机或另一台电脑访问本机模型：LM Studio 的 LM Link（Free 档限 5 台设备）是三家里唯一在免费档写清跨设备数量的。
- 显存不够：只有 llama.cpp 在官方文档里明说 CPU+GPU 混合推理，这是它相对另外两个的实质优势。
顺便提醒一句成本：本地模型的真实门槛通常是显卡和内存，而不是这三家的订阅。本站 10 月 27 日刚记录过一轮涨价——显卡与内存同时涨价：RTX 5080 单卡涨 2000 元、32GB DDR5 套装涨 434%，显存直接决定你能开多大的量化档。另外本地模型不是唯一选项，批量任务也可以先试免费接口，参考这篇的失败与限速记录：Pollinations 免费 API 批量打标签实测：7 次调用 2 次撞限速。
未验证项
Ollama 与 llama.cpp 各自的并发与性能参数、各家在国内的下载速度、llama.cpp 是否有官方托管服务，官方页面均未说明，本文不作判断。
数据来源与抓取日期
均为 2026-10-28 抓取：ollama.com/pricing、docs.ollama.com（Importing a Model、API Reference）、GitHub ollama/ollama releases、lmstudio.ai/pricing、lmstudio.ai/changelog、GitHub ggml-org/llama.cpp（README、releases、仓库元数据）、openrouter.ai/api/v1/models。
