零成本本機(jī)編程入門：用 Ollama 跑 Gemma 4，打造接近 Claude 的寫代碼體驗(yàn)

如果你聽說(shuō)過Claude、ChatGPT能幫你寫代碼，但又不想每個(gè)月掏 API 或訂閱費(fèi)，這篇筆記給你一個(gè)完全可行的折中方案：

先在電腦里用Ollama把大模型跑起來(lái)（不經(jīng)過云端按次計(jì)費(fèi)），再在Cursor / VS Code里把「模型后端」指到本機(jī)。這樣你得到的不是「盜版的 Claude」，而是同樣以對(duì)話方式改代碼、解釋報(bào)錯(cuò)、生成小函數(shù)的工作習(xí)慣——對(duì)新手來(lái)說(shuō)，體驗(yàn)上常常已經(jīng)夠用了。

名詞速覽（只看這一段也行） Ollama：在本機(jī)下載并運(yùn)行大模型的工具，像「本地版模型 App Store + 運(yùn)行時(shí)」。 Gemma 4：Google 在 2026 年 4 月 2 日剛發(fā)布的新一代開源模型家族；其中 E4B 是特別適合「筆記本 / 入門顯卡」的一檔。 「零成本」在本文里的含義：不必向模型廠商購(gòu)買 Token；你仍要付出 電費(fèi) 與 自己的硬件時(shí)間（老機(jī)器會(huì)慢一些，這是正常的）。

• 想先免費(fèi)試玩「AI 幫我寫代碼」、建立手感，再?zèng)Q定是否訂閱云端旗艦?zāi)Ｐ汀?/li>
• 有一點(diǎn)隱私顧慮：代碼不想默認(rèn)上傳到云端
• 顯卡或內(nèi)存不算頂規(guī)，但希望能跑一個(gè)比純 CPU 文本生成更省心的編程助手。
• 已經(jīng)用 Cursor / VS Code，只需要多走兩三步配置

如果你要做超大倉(cāng)庫(kù)重構(gòu)、跨文件復(fù)雜推理、長(zhǎng)時(shí)間自主 Agent，本機(jī)中小模型仍可能吃力——這時(shí)再走Claude / GPT-4 級(jí)別的云端方案會(huì)更穩(wěn)。后文也會(huì)用一張表幫你建立心理預(yù)期。

二、十分鐘上手：安裝 Ollama 并拉取 Gemma 4 1. 安裝 Ollama

打開官網(wǎng)https://ollama.com，按你的系統(tǒng)（Windows / macOS / Linux）下載安裝包，一路下一步即可。
安裝完成后，終端里能執(zhí)行：

ollama --version

若 Gemma 4 需要較新的運(yùn)行特性，建議把 Ollama 升到當(dāng)前最新版（舊版可能還沒有新模型或拉取失敗）。

2. 拉取 Gemma 4（示例：E4B）

在終端執(zhí)行（具體標(biāo)簽名以 Ollama 模型庫(kù)[1] 為準(zhǔn)，若網(wǎng)頁(yè)上寫的是gemma4:e4b就照抄）：

ollama pull gemma4:e4b

拉取完成后試跑對(duì)話：

ollama run gemma4:e4b

看到模型能正?；貜?fù)，就說(shuō)明「本機(jī)推理鏈路」已經(jīng)通了。

3. 小白常見卡點(diǎn)

• 第一次下載很大：模型體積隨官方打包的量化檔位變化；請(qǐng)預(yù)留足夠磁盤空間。 模型的大小9.6GB。
• 顯存不夠：可以嘗試更小的標(biāo)簽（例如偏向 edge 的檔位），或關(guān)閉其他吃顯存的程序。 至少需要16 GB內(nèi)存。
• 速度很慢：在 CPU 上能跑，但等待時(shí)間會(huì)變長(zhǎng)；這是硬件限制，不是「你配置錯(cuò)了」的唯一解釋。

愉快的0成本編程吧～ 前提是你需要先安裝好claude Code

四、Gemma 4 E4B 到底是什么水平？ 1. E4B 的「E」是什么意思？

「E」前綴表示 effective parameters（有效參數(shù)量）。
E4B 使用Per-Layer Embeddings一類技術(shù)：從賬面上看可以把它理解成「體積接近更小一檔的模型」，但在每一層仍攜帶更大模型才容易具備的表示深度；量化之后，內(nèi)存占用可以壓到讓很多消費(fèi)級(jí)設(shè)備也敢嘗試的范圍。

一句話：它看起來(lái)像「小個(gè)子」，但拳頭比同體積模型更重。

2. 能力大概在什么梯隊(duì)？

根據(jù)公開材料的大致區(qū)間（用于選型，不是精密排名）：

模型 類比定位 GPT-4o 旗艦云端模型（參考基準(zhǔn)）Gemma 4 E4B大約介于 GPT-3.5 Turbo 后期 ～ GPT-4o mini 一帶Gemma 4 31B 更接近 GPT-4o 水準(zhǔn)的云端/強(qiáng)硬件方向

在部分benchmark語(yǔ)境里，E4B 在AIME 2026數(shù)學(xué)向題目上可達(dá)約42.5%，在LiveCodeBench編程向測(cè)試上約52%——對(duì)「能在例如 T4 一類入門 GPU 上服務(wù)」的規(guī)格來(lái)說(shuō)，這已經(jīng)相當(dāng)亮眼。

社區(qū)里也有實(shí)測(cè)反饋：更小的 E2B在部分財(cái)務(wù)分析場(chǎng)景已經(jīng)能比 Qwen 3.5 4B更快、答案更到位；E4B 又比 E2B 再?gòu)?qiáng)一階。

3. 為什么 edge 檔仍然「值得認(rèn)真用」？

E2B / E4B 這類面向邊端的型號(hào)，除了文本，往往還強(qiáng)調(diào)：

• 原生多模態(tài)：圖片輸入、甚至語(yǔ)音/音頻理解（以具體版本說(shuō)明為準(zhǔn)）。
• 長(zhǎng)上下文：例如128K級(jí)別的文本窗口——同體積很多小模型做不到。
• 典型用途：本地對(duì)話助手、文檔摘要、輕量代碼補(bǔ)全與小范圍重構(gòu)、看圖說(shuō)話、語(yǔ)音轉(zhuǎn)寫后的整理。

即使你后來(lái)會(huì)訂閱 Claude，本機(jī)模型依然有價(jià)值：

1. 草稿與機(jī)械勞動(dòng)放在本地：注釋、格式化、生成單元測(cè)試骨架、把自然語(yǔ)言需求拆成任務(wù)列表。
2. 復(fù)雜設(shè)計(jì)與跨文件推理交給云端 Claude：架構(gòu)取舍、性能瓶頸、安全審計(jì)。
3. 隱私分流：敏感片段先在本地處理；只有脫敏后的片段再上傳。

這樣你既不浪費(fèi)訂閱額度，又能保留「隨時(shí)有個(gè) AI 在邊上當(dāng)副駕」的習(xí)慣。

參考與延伸閱讀

• Ollama 官方站點(diǎn)與模型庫(kù)：https://ollama.com
• Gemma 官方發(fā)布說(shuō)明與技術(shù)報(bào)告（以 Google 文檔為準(zhǔn)）：在發(fā)布頁(yè)檢索 Gemma 4

Ollama 模型庫(kù): https://ollama.com/library