想要本機優先、雲端備援的設定，又不想為每個供應商管理金鑰？haimaker 會把簡單的 coding agent 工作分派到你的本機模型，並透過單一端點將困難任務轉派給雲端模型。
使用 HAIMAKER 分派本機與雲端模型
## 整體最佳：Qwen3 Coder
Qwen3 Coder 會是我在任何本機 coding agent 設定中第一個測試的模型。
拉取它：
```bash
ollama pull qwen3-coder:30b
```
執行快速檢查：
```bash
ollama run qwen3-coder:30b "Explain this repo structure and suggest where tests should live."
```
為什麼它排名第一：
- 它明確針對 coding 與 agentic 工作流程進行調校。
- Ollama 頁面列出了 `ollama launch` 對 Claude Code、Codex、OpenCode 和 OpenClaw 的支援。
- 30B 變體在本機上比 480B 變體實際可行得多。
- 長上下文支援讓它比舊的本機程式碼模型更適合儲存庫相關工作。
適合用於程式碼審查、測試產生、中型重構，以及重視隱私的本機優先 agent 工作階段。
## 最佳輕量選擇：Gemma 4
當 Qwen3 Coder 太吃資源時，Gemma 4 是值得嘗試的模型系列。較小的 Gemma 4 變體專為本機與裝置端使用而設計；26B MoE 變體則提供更強的工作站選項，而且不會每個 token 都啟用所有參數。
拉取適合筆電的版本：
```bash
ollama pull gemma4:e4b
```
拉取更強的工作站版本：
```bash
ollama pull gemma4:26b
```
當你需要快速的本機輔助來解說程式碼、進行小幅修改或處理私有程式碼時，Gemma 4 很適合搭配 coding agent 使用。但如果是需要 agent 維持完整遷移計畫的長時間自主工作階段，它就沒那麼合適。
## 最新加入：Kimi K2.7 Code 和 Laguna XS 2.1
今年夏天有兩個以 coding 為導向的模型加入 Ollama 模型庫，值得關注。
**Kimi K2.7 Code** 是 Moonshot 以 K2.6 系列為基礎打造的 coding 調校版——同一系列的 K3 版本已在 Arena 排行榜上擊敗閉源前沿模型。它需要高階硬體（48GB+ VRAM 或高記憶體 Mac），但如果你有這類配備，這是目前能在本機執行的最強開放 coding 模型系列。
```bash
ollama pull kimi-k2.7-code
```
**Laguna XS 2.1** 是 Poolside 的 agentic coding MoE——總參數 33B，每個 token 僅啟用 3B，因此跑起來遠比帳面規模輕量。它專為 coding agent 所處的工具呼叫迴圈而打造。
如果你之前是根據本指南舊版使用 DeepSeek Coder V2，請把它淘汰——它已經落後兩個世代，也完全消失在社群評比中。
## 在哪裡使用這些模型
- **[haimaker.ai](https://haimaker.ai)** - 將本機 Ollama 模型與更強的雲端模型搭配使用：把簡單的 coding agent 工作分派到本機，困難任務交給付費模型。
- **OpenClaw** - 使用 Ollama 作為 coding agent 工作階段的本機 provider。參閱 [OpenClaw 本機模型指南](/zh-tw/blog/openclaw最佳本機大型語言模型/)。
- **OpenCode** - 透過 OpenAI 相容的 provider 路徑加入 Ollama。參閱 [使用 OpenCode 搭配 Ollama](/zh-tw/blog/opencode連接ollama本機模型/)。
- **Codex 和 Claude Code** - Ollama 的模型頁面包含 `ollama launch` 的 agent 執行環境範例，包括 Codex 和 Claude Code。
## OpenAI 相容 agent 的設定
多數 coding agent 都可以透過 Ollama 的本機 OpenAI 相容端點來使用：
```text
http://localhost:11434/v1
```
如果你的工具要求 API 金鑰，填入一個佔位值即可；Ollama 在本機端不會驗證它。
```json
{
"baseURL": "http://localhost:11434/v1",
"apiKey": "ollama",
"model": "qwen3-coder:30b"
}
```
OpenCode 的 provider 區塊如下：
```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"
}
}
}
}
}
```
如果工具呼叫不穩定，先縮小模型，再只把上下文加到硬體能負荷的範圍。一個大到會觸發記憶體置換的上下文視窗，比能保持回應速度的小視窗更糟。
## 何時不該使用 Ollama
當隱私、成本或離線工作很重要時，本機模型最適合。但不見得每個程式設計任務都更適合用它們。
遇到以下情況，改用雲端模型：
- 任務跨越多個檔案
- bug 難以察覺
- 你需要可靠的工具呼叫
- patch 會影響正式環境
- 你沒有時間逐行審查產生的程式碼
務實的做法是本機優先，而不是只靠本機。用 Qwen3 Coder 或 Gemma 4 處理低成本的私有工作，當任務開始消耗大量注意力而不是 token 時，再升級到更強的雲端模型。