【專家說】本機 AI 實測｜64GB MacBook 一直「高不成低不就」？Qwen3.8 27B 終於填到個窿，仲可以用 iPhone 隔空叫佢做嘢

買咗部 64GB 嘅 MacBook M5 Pro，想喺本機行個似樣嘅大型語言模型，但揀嚟揀去都唔啱：勁嘅要 80GB 以上先行得順，行得郁嘅又係為 16GB 機而設，64GB 白白閒置。今次 Qwen3.8 27B 一出，終於等到一個真正食盡 64GB 嘅選擇。

本文用三個步驟教你由零裝起，最後仲可以喺 iPhone 直接用返部 Mac 上面嘅模型。

64GB 嘅尷尬：唔上唔落

我幾個月前入手咗呢部 MacBook Pro 16 吋、M5 Pro、64GB 統一記憶體。買嗰陣諗住 64GB 應該乜都行到，點知真係揀模型嗰陣先發現問題。

本文全部實測都係喺呢部機做：

• MacBook Pro 16 吋
• Apple M5 Pro
• 64GB 統一記憶體
• macOS Tahoe 26.5.2

市面上嘅模型基本上分兩派。一派係「大到你行唔起」——動輒要 80GB、甚至過百 GB 記憶體，64GB 直頭載入唔到。另一派係「細到嘥咗你部機」——佢哋設計嗰陣就係要塞入 16GB、24GB 嘅機，你用 64GB 行佢，多出嗰 40 幾 GB 完全冇用武之地。

換句話講，一直都冇一個模型係專登為 64GB 呢個級數而設。直到 2026 年 8 月 14 日，阿里巴巴通義實驗室開源咗 Qwen3.8 27B，情況先至有變。

點解 27B 啱 64GB？關鍵係「唔使將就 4-bit」

好多人以為 27B 一定要 64GB 先行到——其實唔係，4-bit 量化得 16GB 左右，24GB 嘅 Mac 都行到。但嗰個係「行到」，唔係「行得好」。

64GB 真正嘅價值，係你可以直接上 8-bit（約 29.5GB），保住模型嘅完整精度，同時仲有大把空間去撐開長 context，後台其他 App 照開唔會卡。呢樣就係 24GB 機做唔到嘅嘢。

STEP 1｜安裝 LM Studio、下載 Qwen3.8 27B

首先去 lmstudio.ai 下載 LM Studio（Mac 版免費），拉入「應用程式」開啟就得。

裝好之後撳左邊嘅搜尋圖示，喺搜尋欄打「qwen」。

Qwen3.8 27B 排喺搜尋結果第一位，仲掛住「Staff Pick」標籤，下載量已經超過 87 萬次。

右邊可以見到三個能力標籤：

• Vision（睇圖）
• Tool Use（用工具）
• Reasoning（推理）

呢三樣後面兩個步驟都會用到。

揀邊個版本？呢一步最重要

撳右邊嘅下載選項，會彈出成串版本畀你揀。好多人喺呢度求其撳一個就下載，但揀錯咗就等於嘥咗你部 64GB 機。

版本	格式	容量	建議
4BIT	MLX	16.08GB	24GB 機先要就住用
5BIT	MLX	19.44GB	想快啲可以揀
6BIT	MLX	22.80GB	速度／質素平衡
8BIT	MLX	29.53GB	64GB 機首選，推薦
Q4_K_M／Q6_K／Q8_0	GGUF	17.7 至 30GB	非 Apple 機先用

兩個揀版本嘅原則

① Apple Silicon 一定揀 MLX，唔好揀 GGUF。

MLX 係 Apple 自己出嘅框架，直接食 M 系晶片嘅統一記憶體架構，快好多。

② 64GB 機請揀 8BIT。

29.53GB 對 24GB 機嚟講係載入唔到，但對你部 64GB 機嚟講只係用咗一半，呢個就係你部機唯一嘅優勢，唔好浪費。

載入模型，睇實記憶體用量

下載完成後（約 30GB，睇你網速，可能要等一陣），撳最頂嘅模型選單，揀返 Qwen3.8 27B 載入。

載入成功。留意右上角：

Memory Consumption 28.52GB / 64GB

用咗少過一半，仲有 35GB 畀其他 App。Context 設到 131,072 tokens，等於一次過餵成本書都得。

亦都留意返下載頁面嗰個綠色標籤：

Full GPU Offload Possible

即係成個模型可以完全放入 GPU 行，唔使分一半去 CPU——呢個係速度嘅關鍵。

試傾第一句：

hello what is your model?

佢答得好爽快，仲會顯示思考時間同每秒 token 數。到呢一步，你部 Mac 已經係一部完全離線嘅 AI 電腦，冇網路都用得。

老實講一句：8-bit 唔係最快嗰個。

8-bit 換嚟嘅係質素，唔係速度。如果你主要係要快，例如即時對答、寫短訊息，5BIT 或者 6BIT 會順手好多。

我自己嘅用法係兩個都裝：

• 要質素同長文件分析就用 8BIT
• 要快就切去 6BIT

反正你有 64GB，唔差呢啲空間。

STEP 2｜裝 web-search 外掛，叫佢搵今日新聞

本機模型有個先天限制：佢嘅知識停留喺訓練嗰一日，你問佢今日發生咩事，佢一定答唔到。

解決方法就係畀佢一對「眼」去上網——呢個就係 web-search 外掛嘅作用。

喺 LM Studio 入面去：

Settings → Integrations

搵 altra/web-search 撳下載。成個外掛得 44.78KB，秒速裝好。

最重要係嗰句：

No API key required

唔使申請任何 API key，唔使畀錢，裝完即用。

裝好之後返去對話視窗，撳輸入框下面嘅鎚仔圖示（Integrations），將 altra/web-search 撥去「開」。撥開之後，輸入框下面會多咗個藍色「web-search」標籤，代表已經生效。

旁邊仲有以下選項可以一齊開：

• Think（思考模式）
• Reasoning Effort（推理強度）
• Vision（睇圖）

實測：問佢今日香港有咩新聞

我直接問佢：

今日香港有咩新聞？

然後就見到最有趣嘅一幕——佢冇即刻答，而係開始自己一步一步搵資料。模型自己輪流叫咗：

• search
• search_news
• fetch_and_read
• search_recent

幾個工具，每次攞完結果都會再「Thought for 13 秒 / 17 秒 / 21 秒」諗一諗，然後決定下一步去邊度搵。呢個就係所謂 Agentic（自主代理）行為。

整個過程佢諗咗 3 分 46 秒，讀咗幾個新聞網站，最後交出一份分好類嘅摘要。

結果分咗「財經／股市」、「政務／兩地」、「社會」幾大類，每條都有具體數字。而且係用廣東話書面語寫，唔使特別叫佢轉。

最值得欣賞嘅一句，佢開頭自己補咗一句：

部分項目只有一個來源、未及交叉核實，詳請建議睇原文。

肯講自己邊部分未核實過，比起亂噏一通有紋有路得多。呢個係 altra/web-search 內置嘅 source verification 機制——佢會主動標示單一來源嘅資訊為「未經核實」。

要留意嘅係，本機模型做呢類搜尋任務係慢嘅。3 分幾鐘先出到一份摘要，比起雲端服務慢好多。但換返嚟嘅係：你唔使畀月費、唔使開帳戶，而且除咗搜尋嗰下之外，你嘅問題同對話內容全部留喺部機度。

STEP 3｜開啟 LM Link，用 iPhone 隔空叫部 Mac 做嘢

到呢一步，模型行得好好，但有個問題：你一離開部 Mac 就用唔到。

LM Link 就係解決呢件事——佢可以令你部 iPhone 用返部 Mac 上面嘅模型，效果就好似模型行喺電話入面咁。

3a. 喺 Mac 開啟 LM Link

去：

Settings → LM Link

將以下兩個選項撥去 ON：

• Enable LM Link
• Allow loading models on this machine

兩個掣都要開。Allow loading models on this machine 如果唔開，其他裝置搵唔到你部機嘅模型。

下面嘅 Device name 預設叫「Mac」，可以改成自己認得嘅名。

LM Link 需要一個 LM Studio 帳戶，免費。登入之後喺網頁後台可以睇到連線狀態。顯示：

Status: Enabled

部 Mac 狀態 Online。免費帳戶最多可以連 5 部裝置。

留意佢寫明係：

End-to-end encrypted

即端對端加密。

3b. iPhone 裝 App 並配對

去 App Store 搵：

Locally AI by LM Studio

要認住係 LM Studio 官方出嗰個，唔好裝錯其他同名 App。

配對成功之後，iPhone 就會見到部 Mac，同埋部 Mac 上面載入緊嘅模型。

狀態「已連線」，「遠端裝置上的模型」清楚顯示住 Qwen3.8 27B。

3c. 揀模型，開始用

撳頂部嘅模型選單，見到 Qwen 3.8 (27B)，下面細字標住「Mac」，即係話呢個模型實際係行喺部 Mac 度。

下面寫住：

LM Link 線上 · 1 部裝置已連線

最後試埋佢嘅睇圖能力。我喺 iPhone 相簿揀咗一張維港相，直接問：

這是什麼地方？

佢認得出係香港中環天際線，仲講埋拍攝角度係由尖沙咀／九龍側望向港島，然後逐幢認出國際金融中心二期同中銀大廈，連中銀大廈嗰個鋸齒狀外形都描述到。

留意：呢啲運算全部喺部 Mac 度做。

你部 iPhone 冇裝過任何 27B 模型，電話都根本裝唔落。張相傳去咗部 Mac、由 Qwen3.8 27B 處理、答案再傳返電話。

相片同對話內容由頭到尾冇離開過你自己嘅兩部機，冇經第三方伺服器。

總結：64GB 唔再係浪費

行完呢三步，你部 64GB MacBook 就變成一部完整嘅私人 AI 伺服器：

• 離線可用：冇網路都照答，唔使月費，唔使 API key。
• 可以上網搵料：裝個外掛就有即時資訊，仲會自己標示邊啲未核實。
• 睇得明圖：影相直接問，唔使另外裝模型。
• 手機隨時用：出街用 iPhone 照叫得郁部 Mac。
• 私隱留喺自己度：資料唔會過第三方。

我覺得最值得講嘅一點係：唔好求其撳個 4-bit 就算。好多教學文都係叫人揀最細嗰個版本，因為佢哋要照顧 16GB、24GB 嘅讀者。

但如果你部機有 64GB，你係有條件揀 8-bit 嘅——而呢個選擇，正正就係你當初多畀嗰筆錢買返嚟嘅嘢。

等咗幾個月，總算搵到一個真正配得起呢部機嘅模型。

（作者為 Bullseye Education 創辦人 Eric Wong，長期研究 AI 工具喺教學同創作上嘅實際應用，並於中小學及教師培訓場合分享 AI 應用心得。）

本文所有截圖均為實機操作紀錄，測試機為 MacBook Pro 16 吋（M5 Pro／64GB／macOS Tahoe 26.5.2）。