想要本地优先、云端兜底的配置，又不想为每个提供商单独管理密钥？haimaker 能将简单的编程智能体任务路由到本地模型，并通过一个端点将困难任务转交云端模型处理。
使用 HAIMAKER 路由本地和云端模型
## 综合最佳：Qwen3 Coder
Qwen3 Coder 是我在任何本地编程智能体配置中会优先测试的第一个模型。
拉取：
```bash
ollama pull qwen3-coder:30b
```
快速验证：
```bash
ollama run qwen3-coder:30b "Explain this repo structure and suggest where tests should live."
```
它排名第一的原因：
- 明确针对编程和智能体工作流做了调优。
- Ollama 页面列出了支持 Claude Code、Codex、OpenCode 和 OpenClaw 的 `ollama launch` 功能。
- 30B 变体在本地运行比 480B 变体现实得多。
- 长上下文支持使其比旧版本地代码模型更适合仓库级工作。
适合用来做代码审查、测试生成、中等规模重构，以及注重隐私的本地优先智能体会话。
## 最佳轻量选择：Gemma 4
当 Qwen3 Coder 太重时，Gemma 4 系列是值得尝试的选择。较小的 Gemma 4 变体专为本地和端侧使用而设计，26B MoE 变体则提供更强的工作站选项，而且不需要在每个 token 上激活所有参数。
拉取适合笔记本的版本：
```bash
ollama pull gemma4:e4b
```
拉取更强的工作站版本：
```bash
ollama pull gemma4:26b
```
当你需要快速的本地辅助来解释代码、做小规模编辑和处理私有代码时，Gemma 4 是编程智能体的好选择。但如果需要智能体在长时间自主会话中保持完整的迁移计划，它就不太够用了。
## 新晋模型：Kimi K2.7 Code 和 Laguna XS 2.1
今年夏天有两个专注编程的模型登陆了 Ollama 模型库，值得关注。
**Kimi K2.7 Code** 是 Moonshot 基于 K2.6 系列构建的编程调优版本——同系列的 K3 已经在大模型竞技场排行榜上击败了闭源前沿模型。它需要较高硬件配置（48GB+ 显存或大内存 Mac），但如果你具备条件，这是目前本地可运行的最强开源编程模型。
```bash
ollama pull kimi-k2.7-code
```
**Laguna XS 2.1** 是 Poolside 的智能体编程 MoE——总参数 33B，但每个 token 仅激活 3B，因此实际运行负担远小于它的体量。它专为编程智能体高频使用的工具调用循环而设计。
如果你之前按本指南旧版在跑 DeepSeek Coder V2，可以退役了——它已经落后当前主流选择两代，在社区排名中也已完全消失。
## 在哪里使用这些模型
- **[haimaker.ai](https://haimaker.ai)** - 将本地 Ollama 模型与更强的云端模型配合使用，简单的编程智能体任务路由到本地，困难任务路由到付费模型。
- **OpenClaw** - 将 Ollama 作为编程智能体会话的本地提供商。参见 [OpenClaw 本地模型指南](/zh-cn/blog/openclaw最佳本地大模型/)。
- **OpenCode** - 通过 OpenAI 兼容的提供商路径添加 Ollama。参见 [Ollama 与 OpenCode 配合使用](/zh-cn/blog/opencode连接ollama本地模型/)。
- **Codex 和 Claude Code** - Ollama 的模型页面包含 `ollama launch` 示例，覆盖 Codex 和 Claude Code 等智能体运行时。
## 面向 OpenAI 兼容智能体的配置
大多数编程智能体都可以通过 Ollama 的本地 OpenAI 兼容端点来使用：
```text
http://localhost:11434/v1
```
如果你的工具要求填写 API 密钥，填入一个占位符即可，Ollama 本地不会校验。
```json
{
"baseURL": "http://localhost:11434/v1",
"apiKey": "ollama",
"model": "qwen3-coder:30b"
}
```
对于 OpenCode，提供商配置块如下：
```jsonc
{
"$schema": "https://opencode.ai/config.json",
"provider": {
"ollama": {
"npm": "@ai-sdk/openai-compatible",
"name": "Ollama (local)",
"options": {
"baseURL": "http://localhost:11434/v1"
},
"models": {
"qwen3-coder:30b": {
"name": "Qwen3 Coder 30B"
}
}
}
}
}
```
如果工具调用不稳定，先减小模型规模，再在硬件承受范围内逐步增加上下文。一个导致内存交换的巨大上下文窗口，还不如一个保持响应速度的小窗口。
## 何时不该用 Ollama
当隐私、成本或离线工作很重要时，本地模型是最佳选择。但它们并不是在所有编程任务上都自动更好。
以下情况应使用云端模型：
- 任务涉及多个文件
- Bug 很隐蔽
- 需要可靠的工具调用
- 补丁将触及生产系统
- 没时间逐行审查生成的代码
实用的配置策略是本地优先，而非仅限本地。用 Qwen3 Coder 或 Gemma 4 处理低成本的私有工作，当任务的主要成本从 token 消耗变成你自己的注意力时，就该升级到更强的云端模型。