我第一台跑 Ollama 的機器是 16GB 的 Mac mini M2。教學寫著「一條指令拉模型、本機就能聊」，我興沖沖執行了 ollama run llama3.1:8b，前五分鐘還挺順，第十分鐘風扇起飛，活動監視器裡記憶體壓力條直接變紅，連切個瀏覽器分頁都像在拖水泥。
後來我才明白：跑 Ollama 選 16G、24G 還是 32G，不是「越大越好」，而是「你的模型 + 上下文 + 背景程式」能不能在統一記憶體裡塞得下。 這篇把我踩過的坑、以及幫朋友選型時用的判斷框架都攤開，幫你少花冤枉錢、少熬幾個通宵。
為什麼記憶體比「有沒有獨顯」更先卡脖子？
在 Windows 遊戲本上，大家習慣看「顯存夠不夠」；在 Apple Silicon Mac 上，CPU 和 GPU 共享同一塊統一記憶體，Ollama 載入的模型權重、推理時的 KV Cache、以及 macOS 自己的快取，全都從這一塊裡劃。官方文件與社群實測都指向同一結論：模型越大、上下文越長，佔用的記憶體越多，和你在活動監視器裡看到的「記憶體」是同一池子。
很多人踩的第一個坑是：只看模型參數量，不看量化格式。 同樣是 7B，Q4_K_M 可能只要 4～5GB，Q8 或 FP16 可能直接翻倍。第二個坑是忽視「系統常駐」——macOS、瀏覽器、通訊軟體、IDE 輕鬆吃掉 4～6GB，16GB 機器留給模型的其實只剩 10GB 左右。第三個坑更隱蔽：以為 OOM 會直接報錯，實際上常常是「能跑但極慢」。 記憶體不夠時 macOS 會瘋狂 swap 到 SSD，tokens/s 從 30 掉到 3，你以為模型不行，其實是機器在拿硬碟當記憶體用。
16GB：能玩，但別當「正式環境」
16GB 不是完全不能跑 Ollama——小模型 + 短對話 + 關掉多餘背景，體驗可以接受。適合的場景很具體：3B～7B 的 Q4 模型、單次問答與郵件草稿、不接 Agent、不掛多個模型、上下文不超 16K。
我踩過的典型血淚場景：16GB 上同時開 Chrome（20+ 分頁）、VS Code、Docker Desktop，再跑 8B——不是當機，是「假死式流暢」。關掉 Docker 和一半分頁後速度立刻回來。
16GB 底線建議： 把 Ollama 當輕量助手，別指望穩定跑 14B 以上，更別在本機疊整套 Agent 棧。若 VPS 上已搭 Gateway 要對接家裡 Ollama，16GB 本機適合當小模型上游——可參考 OpenClaw 對接內網 Ollama 的排障指南。
24GB：2026 年個人開發者的「甜點位」
若只能選一檔長期用 Ollama，24GB 是我最常推薦給個人開發者的一檔。 7B～8B 可常駐記憶體並留足系統與 IDE 空間；14B Q4 多數場景能跑，寫程式、總結長文明顯優於 7B；8K～16K 上下文時 KV Cache 仍可控；還能同時跑 Ollama 與輕量向量庫或單一 Docker 服務。
24GB 不是讓你去硬啃 70B，而是在品質與成本之間取得平衡。很多人忽略：Apple 記憶體出廠焊死、不能後加，買 16GB 想「以後不夠再說」在 Mac 上行不通；24GB 是給未來一年模型升級的緩衝。
32GB：Agent、多模型與「我不想再算記憶體」
32GB 適合把本地 LLM 當基礎設施的人：長期跑 OpenClaw、LangGraph 等 Agent；多個 ollama pull 模型切換；上下文常 32K+ 或做 RAG；本機還跑 Docker Compose 整套 AI 棧——往往與 Docker 部署 AI 應用 綁在一起。
預算緊可考慮：輕量推理放 24GB 本機，重任務租雲端 Mac 或 VPS——邏輯同 學程式買 Mac 還是 Windows 的決策文。
選型決策表：別被電商文案帶節奏
| 主要用途 | 建議記憶體 | 原因 |
|---|---|---|
| 偶爾本機聊天、學 Ollama 指令 | 16GB（可接受） | 3B～7B Q4；接受關背景、短上下文 |
| 日常開發 + 本機 7B/8B 輔助寫碼 | 24GB（推薦） | 系統 + IDE + 模型同時在線 |
| 14B、較長文件、輕度 RAG | 24GB（最低）/ 32GB（從容） | 14B Q4 約 8～9GB，加 Cache 後 16GB 很擠 |
| Agent 棧 + Docker + 多模型 | 32GB | 元件多，峰值疊加快 |
| 70B 本機滿血推理 | 消費級別想了 | 考慮雲端 GPU 或 API |
五個立刻能用的調優手段
- 量化選對檔：優先 Q4_K_M 或 Q5；
ollama show <model> --modelfile看清體積。 - 限制上下文：
num_ctx聊天機器人 4K 往往夠，別預設 32K。 - 一次只留一個模型在記憶體：
ollama ps/ollama stop。 - 重背景遷走：Docker Desktop、Electron IM、Chrome 分頁是三大殺手。
- 看「記憶體壓力」而非「已用記憶體」。
更多參數見 Ollama Modelfile 文件。
三個「血淚」典型
血淚一：16GB 裝 7B + 嵌入模型 + Open WebUI，速度從 25 tokens/s 掉到 4。血淚二：32GB 仍跑 70B + 32K 上下文 + Chrome 全開，照樣 swap。血淚三：跨平台只比 GB 數，忽略 Mac 統一記憶體 與 MLX 生態。
收束：怎麼選不後悔？
三個問題：主要跑多大模型？ 能不能接受用的時候關軟體？ 記憶體能後加嗎？（Mac 不能。）我的結論：2026 年認真用 Ollama 做開發輔助，24GB 是性價比最高的起點；32GB 給 Agent 玩家；16GB 只適合輕量嘗鮮。
一句話：Ollama 門檻在軟體上很低，硬體卻卡在統一記憶體。先想清楚模型檔位和使用場景，再下單 16G / 24G / 32G。
本機 Ollama 要穩，雲端 Mac 也要對檔
跑 Ollama 的核心是統一記憶體夠不夠、頻寬跟不跟得上。Mac mini M4 的 24GB / 32GB 機型，在本機 7B～14B 推理上更省心。
若不想一次砸硬體，VPSSpark 雲 Mac 可按月訂閱，把記憶體檔位與使用場景分開規劃。