Coding Agent 的最佳 Ollama 模型：本機模型評比

最適合 coding agent 的 Ollama 模型，不一定是你能下載到的最大模型。Agent 會不斷循環：讀取檔案、呼叫工具、修訂計畫、產生 patch。有些模型在單一提示下看起來很強，但只要每次工具呼叫都得多跑一次緩慢的本機推論，實際用起來就會令人難以忍受。

這份評比可以當作實務起點：該拉取哪個模型、需要什麼硬體，以及何時該停止勉強本機推論、改用雲端備援。

快速評比

排名	模型	拉取指令	最適合	實務硬體需求
1	Qwen3 Coder 30B	ollama pull qwen3-coder:30b	最佳本機 coding agent 預設選擇	24GB+ VRAM 或 32GB+ 統一記憶體
2	Qwen3 30B	ollama pull qwen3:30b	一般 agent 任務、推理、程式碼審查	24GB+ VRAM 或 32GB+ 統一記憶體
3	Gemma 4 26B MoE	ollama pull gemma4:26b	在效能充足的工作站上提供快速的本機 coding 輔助	24GB+ VRAM 或 32GB+ 統一記憶體
4	Kimi K2.7 Code	ollama pull kimi-k2.7-code	在高階硬體上執行具備前沿模型血統的 coding 模型	48GB+ VRAM 或 96GB+ 統一記憶體
5	gpt-oss 20B	ollama pull gpt-oss:20b	16GB 最推薦的選擇，可依任務調整推理強度	16GB VRAM 或統一記憶體
6	Gemma 4 E4B	ollama pull gemma4:e4b	輕量級筆電使用	16GB 統一記憶體
7	Qwen3 8B	ollama pull qwen3:8b	小幅修改與程式碼解說	8-16GB 記憶體

如果你只想試一個模型，試試 Qwen3 Coder 30B。Ollama 把它列為 coding 與 agentic 模型，支援 256K 上下文，而且它正是為 coding agent 的工作型態所設計：讀取程式碼、使用工具，並在較長的任務中維持狀態。

依機器規格挑選

8-16GB 記憶體

使用 gpt-oss 20B、Qwen3 8B 或 Gemma 4 E4B。gpt-oss 20B 自發布以來，已成為社群在 16GB 機器上的預設選擇——它在記憶體限制內，還能讓你依任務調整推理強度。

這個層級適合：

• 解說不熟悉的程式碼
• 撰寫小型函式
• 草擬測試
• 產生設定檔
• 摘要日誌

不要期待在這裡進行可靠的跨檔案重構。較小的模型能寫出有用的程式碼，但一旦 agent 開始開啟檔案、修訂 patch、處理工具輸出，它們很快就會跟丟脈絡。

24-32GB 記憶體

使用 Qwen3 Coder 30B、Qwen3 30B 或 Gemma 4 26B MoE。

這是本機 agent 真正實用的層級。模型夠大，能掌握儲存庫上下文；同時又夠小，能在高階桌機 GPU 或記憶體較大的 Mac 上執行。對大多數開發者來說，從這裡開始，Ollama 不再只是嘗鮮玩具，而是真正變成工作流程的一部分。

64GB+ 記憶體

只有在你已經明確知道為何需要時，才去嘗試更大的 Qwen 或 DeepSeek 變體。

很多人會忍不住去追模型庫裡最大的模型，但對 agent 來說，這通常不是正確的方向。大型本機模型也許在技術上令人印象深刻，卻可能讓 coding 迴圈變得太慢。只有當任務真的需要更多推理或上下文時，更大的模型才值得用；如果 agent 只是在讀檔、產生樣板程式碼或草擬測試，那反而是一種負擔。

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：

ollama pull qwen3-coder:30b

執行快速檢查：

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：

ollama pull gemma4:e4b

拉取更強的工作站版本：

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。

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 - 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。
• OpenCode - 透過 OpenAI 相容的 provider 路徑加入 Ollama。參閱 使用 OpenCode 搭配 Ollama。
• 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：

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。

{
  "baseURL": "http://localhost:11434/v1",
  "apiKey": "ollama",
  "model": "qwen3-coder:30b"
}

OpenCode 的 provider 區塊如下：

{
  "$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。

使用 HAIMAKER 分派本機與雲端模型

---

如需 OpenClaw 專用的本機設定，請參閱 OpenClaw 最佳本機模型。如需 OpenCode 設定，請參閱 使用 OpenCode 搭配 Ollama。