严肃的 AI 工作，永远不离开你的 Mac：Draw Things 的 Local Code 开源了

10 月 28 日，做图片生成应用 Draw Things 的团队把它的新应用 Local Code 正式推向所有人，并且把整个应用开源了。这是一款只给 Mac 的 AI 助手：你从官网直接下载，内置的模型选择器里挑一个模型下载到本机，之后写代码、做幻灯片、生成图片视频、整理表格文档，都可以在本机完成，不用先装一堆工具、不用注册账号、不用填 API 密钥，也不用接外部的 MCP 服务器。它的口号写在官网首页——“严肃的 AI 工作，永远不离开你的 Mac。”对每天把代码和文件交给云端模型的人来说，这句话本身就是卖点；但 376GB 的下载包和 64GB 以上的内存门槛，也把这句话的代价写得清清楚楚。

先讲清楚 Local Code 是什么、不是什么。它不是又一个终端里的编程助手，也不是云端聊天机器人的 Mac 壳。它是一个带图形界面的 Mac 应用，里面已经内置了 Python、Node.js、Shell 和 draw-things-cli，模型跑在你自己的 GPU 上，工具跑在苹果的 App 沙箱里。官方发布文章列出的能力很宽：用内置 Python 生成带精确饼图、柱状图的复杂信息图；做带动态效果的幻灯片和讲解视频；写 Python 或 JavaScript，或者只是审阅你的代码；访问网站、用你的账号登录并预约；连上照片、信息、邮件、备忘录和日历，帮你总结内容，或者在支持的地方直接编辑整理；更新电子表格、读 Word 文档、改 PowerPoint。能力清单越宽，越要看它的边界——这篇文章后面会逐项拆。

三个模型，三档门槛，价格是硬盘和内存

Local Code 不卖模型，它让你按自己的机器挑模型。官方发布文章给出三个量化版本。最小的是 Qwen 3.8 27B，270 亿参数，量化成 10GB 的包，适合 16GB 以上内存的 Mac。中间是 DeepSeek 4 Flash 0731，3040 亿参数、纯文本模型，量化成 89GB 的包，适合 48GB 以上内存的 Mac。最大的是 DeepSeek 4.1 Flash 1017，7630 亿参数，量化成 376GB 的包，在官方的说法里，常驻内存只要约 36GB，提示处理约每秒 350 个 token、生成约每秒 18 个 token，适合 64GB 以上内存的 Mac。

这组数字里有两处需要较真。第一，官方发布文章说顶配模型“适合 64GB 以上内存的 Mac”，但官网的模型表把它的推荐内存写成了 96GB，最低内存写成 32GB；中间档在官网表里是最低 32GB、推荐 64GB，而发布文章写的是“适合 48GB 以上”。同一家公司的两份材料口径并不完全一致，合理的读法是：64GB 能跑，但 96GB 才是官方推荐的舒适区；如果你只有 64GB，别指望发布文章里的速度数字原样复现。第二，376GB 不是一个可以随手下载的体积，它接近一台入门 Mac 一半的硬盘。SSD 流式加载可以把模型的一部分留在硬盘上、按需载入，让小内存的机器也能跑大模型，但这同样意味着硬盘占用不会因此变小。下载之前先看一眼剩余空间，是用它之前最实在的一步。

本地使用免费，这是官方定价里最明确的一句。可选的云端接入则要另外花钱：用自己的 API 密钥，或者从 9.99 美元起买预付点数。官网的团队版写的是“聊聊看”，包括安装设置、自定义技能和本地部署。这里的商业逻辑其实很好懂：本机模型不收钱，收钱的是那些本机跑不动、或者你不想等的需求——云端模型按 token 计费、密钥自带、官方不加价。免费的边界就划在这里：免费的是“在你自己的硬件上跑”，不是“无限的智能”。

“不离开 Mac”到底保真到什么程度

Local Code 的隐私承诺建立在两根柱子上：本地推理和系统沙箱。本地推理的意思是，用本地模型时，你的提示词和文件在本机处理，不发给云端 AI 厂商。系统沙箱的意思是，整个应用跑在苹果的 App Sandbox 与 Hardened Runtime 之下：它能用你分享给它的文件夹、能跑内置的 Python、Node.js 和 Shell，但不能读你的整块硬盘、不能擅自启动其他应用、除非你主动选择，否则不能用云。MacRumors 的报道也复述了同一条：按官方文档，App Sandbox 限制了它对文件与系统其他部分的访问。

但“沙箱”这个词很容易被读得太满，需要泼三盆冷水。第一，沙箱管的是应用能碰到什么，不是你主动给了它什么——一旦你把某个文件夹分享给它，或者让它登录某个网站、连上你的邮件与日历，你就是在亲手放宽边界。发布文章里“访问网站、用你的账号登录并预约”这一项，恰恰是最需要警惕的能力：它意味着你的登录态要经过这个助手的手。第二，云端模式是用户自选的：一旦你选了云端模型，提示词和相关文件就会发给对应的厂商，本地承诺在那一刻就不再适用。第三，开源不等于可复现构建。有二手分析指出，Local Code 的源码确实包含了应用、命令行工具与背后的库，并且与内部开发仓库同步，但 Mac 应用是一个需要未公开的打补丁版 Bazel 才能构建的 Mac Catalyst 产物，所以目前还不能从源码完整构建出这个 Mac 应用；命令行版本 LocalCodeCLI 则可以在没有签名的情况下运行。开源的价值在这里是“代码可以被检查”，而不是“人人都能从零编译出同一个应用”——两者别混为一谈。

还有一句厂商说法需要单独标注。发布文章称，DeepSeek 4.1 Flash 1017 的“前沿级智能在许多基准测试和真实用例中超越 GPT-5.6 Sol”，并称对这些模型跑了同样的基准测试、结果与官方报告基本一致、量化没有造成智能回退。这些都是厂商自己的说法，目前没有看到独立的第三方实测来背书。量化模型的基准成绩尤其容易受测试条件影响，读者应当把它当作“厂商宣称”，而不是“已经验证的结论”。

对 vibe coder 来说，它补上了哪块拼图

把 Local Code 放进 vibe coding 的工具箱里看，它的位置其实很清晰。过去一年，主流的编程助手几乎全是云端模型加本地工具：模型在远端，代码、终端、文件操作在本地。这个架构的好处是模型永远最新、最强，代价是你得把代码发出去。Local Code 反过来：模型和工具都在本地，代价是模型要自己下载、自己占硬盘，能力天花板取决于你的机器。它的对手不是 Claude Code 或 Codex，而是“能不能在不把代码交出去的前提下，仍然有一个能干活的助手”这个需求本身。

哪些人会立刻用上它？第一类是代码不能出内网的人：签了保密协议的自由职业者、处理客户私有仓库的独立开发者、医疗金融等合规敏感行业的从业者——对他们来说，本地推理不是偏好，是准入门槛。第二类是已经有大内存 Mac 的人：一台 64GB 以上的 Mac 在过去是“性能过剩”，在这里第一次变成了“刚好够用”，沉没成本突然有了用武之地。第三类是想离线干活的人：飞机上、没网的会议室、网络不稳定的地方，本地模型照常工作，云端助手在那里是直接罢工的。

哪些人应该先等等？硬盘紧张的人应该先算账：376GB 的顶配包不是开玩笑，89GB 的中间档也不小，10GB 的入门档虽然轻，但 27B 模型的代码能力与旗舰档不在一个级别，拿它去啃大型重构大概率会失望。Windows 与 Linux 用户也不用考虑——这是只给 Mac 的应用，官网、发布文章、MacRumors 三处都没有提及其他平台。还有，对“预约、登录、整理邮件日历”这类涉及账号与个人数据的能力，建议先在不重要的账号上试：沙箱能限制应用的手脚，但限制不了你亲手递过去的权限。

最后做一个判断。Local Code 最有价值的地方，不是它跑了多大的模型，而是它把“本地 AI 助手”从一句口号变成了一个开箱即用的产品：不用装运行环境、不用配密钥、不用搭 MCP，一次下载就能开始。它的短板同样实在：硬盘与内存门槛、模型口径在不同材料里的出入、基准成绩缺少独立验证、源码尚不能完整复现构建。如果你正好有一台大内存 Mac、又有一批不方便上云的代码，它值得一个下午的试用；如果你指望它立刻替代云端旗舰模型干重活，先从小任务开始，别一上来就把整个仓库交过去。

和云端助手比，它赢在哪里、输在哪里

把 Local Code 与云端编程助手放在同一张尺子上量，结果不是一边倒，而是四项各有胜负。第一项是隐私与合规：本地模型赢得干净。代码、提示词、文件都不出机器，保密协议与合规审查里最难回答的那句“数据会不会发给第三方”可以直接回答“不会”。但要注意这个胜利是有边界的：它只在本地模型模式下成立，一旦你切到云端模型，胜利就自动交还给对方。

第二项是模型新鲜度：云端赢得干净。云端模型可以每周、甚至每天更新，本地模型更新一次就是一次几十到几百 GB 的重新下载。Draw Things 的三个模型都是 2026 年下半年的量化版本，今天够用，但半年后会不会落后，取决于团队会不会持续发布新的量化包。买本地模型，某种程度上是在买“某个时间点的智能快照”，而不是“永远最新的智能”。

第三项是延迟与可用性：本地在特定场景赢。提示处理每秒 350 个 token、生成每秒 18 个 token（厂商数字，顶配模型），放在日常写代码、改文档的场景里是够用的；更重要的是，它不依赖网络质量，断网也能干活。云端助手在网络好时更快、在高峰期可能排队，在没网时直接不可用。对经常出差、经常在弱网环境工作的人，这一项的权重会被放大。

第四项是工具权限与信任模型：两者走的是不同的路。云端助手通常以你的用户身份跑在终端里，权限很大，全靠你自己设护栏；Local Code 把工具关进苹果的沙箱，默认能碰的东西更少。这对普通用户是好事——误操作的天花板更低；对高级用户可能是束缚——你想让它做的事情，沙箱可能不让它做。哪种更好，取决于你是更怕“它做错事”还是更怕“它做不了事”。对 vibe coder 来说，我的建议是：把 Local Code 当作“低权限的第二双手”，而不是“全权限的替代品”。

成本账也要算全。云端助手按订阅或按量付费，账单是按月出现的；Local Code 的账单是一次性的硬件与硬盘：376GB 的下载、64GB 以上的内存、一次可能长达数小时的下载等待。如果你已经有这样一台 Mac，边际成本几乎是零；如果你要为它专门买机器，那这笔账就得和两三年的云端订阅费放在一起比。免费软件不等于免费使用，硬盘和内存就是它的价格标签。

从下载到第一个任务：照着做，别踩这几个坑

第一步是下载应用本体。去 getlocalcode.app 拿直接下载链接，Mac App Store 版官方说“即将推出”，现在只有直接下载。装好之后不要急着选最大的模型，先看两件事：你的 Mac 有多少内存、硬盘还剩多少空间。内存 16GB 左右就选 Qwen 3.8 27B，32GB 可以考虑中间档，64GB 以上再碰顶配；硬盘剩余空间要大于模型包体积再留出 20GB 以上的余量，因为下载和解压过程中还会临时占用空间。

第二步是下载模型。模型从内置选择器里下载，不用另外找权重文件，这是它“开箱即用”最实在的一点。但下载时间要按你的网速老实估算：376GB 的包即使在 500Mbps 的宽带下也要一个半小时以上，中间不要让 Mac 睡眠断网。建议晚上挂着下载，第二天再用。下载完成后，官方说模型选择器会按你的机器内存推荐一个，这个推荐可以信，但如果你硬盘紧张，手动选一个小一档的模型并不丢人。

第三步是授权，而且要抠门授权。第一次让它访问文件夹时，只给当前项目的目录，不要图省事给整个用户目录或整个硬盘。沙箱的意义就在于“你给多少、它就能碰多少”，一把梭给全部权限等于亲手拆掉沙箱。同样，第一次让它连邮件、日历、照片时，先用一个不重要的账号或空日历试一次，确认它的整理结果符合预期，再接到主力账号上。

第四步是确认云端开关的状态。默认情况下云端模型是关闭的，官方的说法是“除非你选择，否则不用云”。但在你第一次点开模型选择或设置时，值得亲眼确认一次：当前选中的是不是本地模型，有没有哪个功能在不知情的情况下走了云端。这个确认只要 30 秒，却是整篇隐私承诺里唯一需要你亲手验证的环节。

第五步是跑第一个任务。别一上来就扔整个仓库，先给它一个边界清晰的小任务：审阅一个 200 行以内的函数并指出三处可改进的地方，或者把一份杂乱的表格整理成带合计行的版本。看两点：它改的东西对不对，以及它有没有碰你没授权的文件。第一印象合格，再逐步放大任务范围。

三个值得先试的 vibe 场景

第一个场景是本地代码审阅。把私有仓库的代码交给云端模型审阅，很多人心里都有道坎；本地模型没有这道坎。你可以让它审一个模块的边界条件、找一找空指针与越界访问、或者给一段祖传代码写注释。但要记住，27B 入门模型的审阅深度有限，适合找“低级错误”和“可读性问题”，不适合做架构级评审；顶配模型才值得拿去啃复杂逻辑。审完之后，人工复核不能省——本地模型也会一本正经地编造问题。

第二个场景是离线文档与演示材料。写 README、整理更新日志、把一堆零散数据做成带精确图表的信息图，这些任务对模型智能的要求中等、对隐私的要求很高，正好是本地模型的舒适区。发布文章特别强调了“精确的饼图与柱状图”，这个细节值得注意：很多模型画图时数字会随手编，Local Code 敢把“精确”写进卖点，说明它在图表生成上走了内置 Python 计算的路子——数字是算出来的，不是画出来的。用的时候可以验证：让它对同一组数据出两遍图，看数字是否稳定一致。

第三个场景是“第二意见”。当你用云端主力模型做完一轮开发，让本地模型独立审一遍关键改动，两个模型视角不同，经常能互相挑出对方漏掉的问题。这个用法不要求本地模型比云端强，只要求它独立、便宜、随时可用。把它定位成“免费的第二双眼睛”，期望值就摆对了。

来源说明：本文核心事实来自 Draw Things 官方发布文章（2026 年 10 月 28 日，含三个模型的量化体积与内存门槛、能力清单、开源仓库地址）与 Local Code 官网（定价、模型表、沙箱说明）；MacRumors 10 月 30 日的报道仅作交叉核对（公开测试始于 9 月 12 日、云端点数 9.99 美元起、App Store 版即将推出），未列入正式来源。厂商基准成绩的表述在正文已标注为厂商宣称；官网模型表与发布文章的内存口径出入已在正文如实写出；“尚不能从源码完整构建 Mac 应用”的说法来自二手分析，本文已注明其来源性质。