runmyllm.com

访问站点 ↗

本地大模型显存计算器，选好 GPU 或 Apple 芯片即可查看能跑哪些开源模型，并给出推荐与运行命令。

页面标题：Local LLM VRAM calculator — which LLM can your GPU or Mac run? | RunMyLLM

编程与开发研究与数据本地模型部署显存与硬件选型开源模型对比关键词驱动近 30 天新上榜

估算月访问量估算1–5 万

注册时间2026-08-21

域名权重—

已检测到收款渠道否

概况

数据每周更新；估算值说明见数据说明

技术栈未识别

分类编程与开发 / 研究与数据

关键词类型长尾词

网站状态正常

估算月访问量28.8K

近三月走势

环比+186%

公开排名401,048

AI 解读

由大模型基于落地页内容整理，推测性的判断已注明。

它在帮谁解决什么问题

想本地跑开源大模型的人，不清楚自己的显卡或 Mac 显存到底能装下哪个模型、什么量化、多长上下文。

以前

靠论坛帖、Reddit 讨论和零散表格手动估算权重与 KV cache，反复试错下载模型。

现在

选设备再选用途，直接看到适配模型、量化体积、KV cache、预估 tokens/s 和一条运行命令。

相比之下

多数同类只算权重体积，它把 KV cache、上下文长度、速度预估和推荐模型按任务场景一起给出。

目标人群：本地部署爱好者、AI 独立开发者、选购 GPU 或 Mac 的开发者　打动点：按用途直接给推荐模型，不用自己挑、算上 KV cache 和上下文，结果更贴近实际、附一条可直接执行的运行命令　付费意愿：低

增长阶段

访问量约 2.9 万、增长 186%，处于快速上升的早期阶段，属于工具型流量起量期。

获客打法

推测主要靠“local llm vram calculator”“which llm can my gpu run”这类长尾搜索，以及模型目录周更带来的复访。

竞争壁垒

壁垒偏薄，计算逻辑易被复制；优势在模型目录周更、任务向推荐和命令生成形成的使用习惯。

收费模式

页面未检测到收款渠道与价格线索，当前大概率免费，未见订阅或付费入口。

搜索、外链与变现

核心关键词

local llm vram calculator which llm can my gpu run llm vram calculator best local llm for my vram run llm on apple silicon

外链与徽章

aiarticlepricer.com

收款渠道与价格

未检测到

变现评分36.1

{
  "domain": "runmyllm.com",
  "name": "RunMyLLM",
  "title": "Local LLM VRAM calculator — which LLM can your GPU or Mac run? | RunMyLLM",
  "description": "The local LLM VRAM calculator: pick your GPU or Apple Silicon chip and see which open-weight LLMs fit — with a recommended model per job (coding, reasoning, vision, agents, speed), quantised weight sizes, KV cache at your context length, estimated tokens per second, and the command to run it. Catalogue updated weekly.",
  "desc_zh": "本地大模型显存计算器，选好 GPU 或 Apple 芯片即可查看能跑哪些开源模型，并给出推荐与运行命令。",
  "cat1": "[\"编程与开发\", \"研究与数据\"]",
  "cat2": "[\"本地模型部署\", \"显存与硬件选型\", \"开源模型对比\"]",
  "site_type": "[\"关键词驱动\"]",
  "keyword_type": "长尾词",
  "model_family": null,
  "model_version": null,
  "status": "正常",
  "registered": "2026-08-21",
  "rank": 401048,
  "visits": 28801,
  "visits3": "[10071, 10071, 28801]",
  "growth": 186.0,
  "dr": null,
  "tech": "[]",
  "analytics": "[]",
  "payments": "[]",
  "pricing": "[]",
  "monetization": "[]",
  "monetization_score": 36.1,
  "keywords": "[\"local llm vram calculator\", \"which llm can my gpu run\", \"llm vram calculator\", \"best local llm for my vram\", \"run llm on apple silicon\"]",
  "outbound": "[\"aiarticlepricer.com\"]",
  "badges": "[]",
  "seo": "{\"words\": 753, \"lang\": \"en\", \"internal\": 53, \"outbound\": 1, \"images\": 0, \"images_no_alt\": 0, \"schema\": []}",
  "insight": "{\"problem\": \"想本地跑开源大模型的人，不清楚自己的显卡或 Mac 显存到底能装下哪个模型、什么量化、多长上下文。\", \"before\": \"靠论坛帖、Reddit 讨论和零散表格手动估算权重与 KV cache，反复试错下载模型。\", \"now\": \"选设备再选用途，直接看到适配模型、量化体积、KV cache、预估 tokens/s 和一条运行命令。\", \"vs\": \"多数同类只算权重体积，它把 KV cache、上下文长度、速度预估和推荐模型按任务场景一起给出。\", \"audience\": [\"本地部署爱好者\", \"AI 独立开发者\", \"选购 GPU 或 Mac 的开发者\"], \"hooks\": [\"按用途直接给推荐模型，不用自己挑\", \"算上 KV cache 和上下文，结果更贴近实际\", \"附一条可直接执行的运行命令\"], \"pay_willingness\": \"低\", \"growth\": \"访问量约 2.9 万、增长 186%，处于快速上升的早期阶段，属于工具型流量起量期。\", \"acquisition\": \"推测主要靠“local llm vram calculator”“which llm can my gpu run”这类长尾搜索，以及模型目录周更带来的复访。\", \"moat\": \"壁垒偏薄，计算逻辑易被复制；优势在模型目录周更、任务向推荐和命令生成形成的使用习惯。\", \"money\": \"页面未检测到收款渠道与价格线索，当前大概率免费，未见订阅或付费入口。\"}",
  "is_sample_revenue": 0,
  "is_new": 1,
  "reg_relaxed": 0,
  "updated_at": "2026-10-18T01:31:32+00:00"
}