Ollama 教學：Claude 用量耗盡時，免費在本機跑 AI 的完整指南

如果你也是 Claude Pro 的重度使用者，應該很熟悉這個情境——

每月 $20 美金的 Pro 方案，白天用得很順，但每天用量上限快見底的那種焦慮感揮之不去。更麻煩的是台灣時間晚上 8 點之後，回答速度開始拖慢，偶爾還冒出明顯的幻覺。這是因為台灣晚上 8 點剛好跟美國工作時段重疊，伺服器負載激增，token 消耗量甚至飆到平常的 2 倍以上——ETtoday AI 報導也指出，Anthropic 已承認並正式調整了尖峰時段（台灣時間晚上 8 點至凌晨 2 點）的額度消耗機制。遇到每日限制、每週重置、晚間高峰期三重打擊，有點說不過去。

所以這篇文章的起點很單純：Claude 不夠用的時候，有沒有免費、可靠的替代方案？

答案之一是 Ollama——一個讓你在自己電腦上跑 AI 模型的開源工具。不需要 API Key、不需要訂閱方案、資料完全不離開你的機器。這篇會帶你從零開始，了解 Ollama 是什麼、怎麼裝、跑哪個模型比較合適，以及最核心的問題：它能不能當 Claude 的備案？

Ollama 是什麼？

Ollama 是一個開源的本地 LLM 執行工具，用一行指令就能在你自己的電腦上下載並運行各種大型語言模型。

• 完全本地：模型跑在你的機器上，不需要聯網，資料不上傳
• 完全免費：軟體開源免費，主流模型也幾乎都是開源的
• 跨平台：支援 macOS、Linux、Windows
• OpenAI 相容 API：提供與 OpenAI 格式相容的 HTTP 介面，任何接 OpenAI API 的工具都能直接切換

官方頁面標榜超過 40,000 個整合，從 Open WebUI、LangChain、n8n 自動化到 Claude Code 都能接進來。截至 2026 年 Q1，Ollama 每月下載量已達 5,200 萬次，可見本地 AI 的需求正急速擴張。

本機 AI vs 雲端 AI：先想清楚你要解決什麼問題

在開始裝之前，先誠實評估自己的使用情境，避免裝完期待過高失望而回：

情境	建議
複雜推理、系統架構分析、深度 debug	繼續用 Claude / GPT-4o
每日用量跑完的空檔	Ollama 本地模型
重複性任務（摘要、格式整理、基礎問答）	Ollama 可勝任
深夜台灣時間高峰期，回應品質下降	Ollama 本地模型
資料敏感，不能上傳至雲端	Ollama 本地模型
WordPress / 自動化工作流整合	視任務複雜度選擇

底線是：Ollama 不是要取代 Claude，而是填補 Claude 用量限制的空缺。

Ollama 支援哪些模型？2026 年實測評比

Ollama 的模型庫超過 100 個，以下依據 2026 年最新 benchmark 資料，整理出最值得繁體中文使用者考慮的幾個選項：

模型	開發商	建議版本	特色與 Benchmark	繁體中文	程式碼
Qwen 2.5 / Qwen 3	Alibaba	7B～14B	MMLU 83.2%（32B）；HumanEval 72.5%（14B）；Qwen3-Coder 程式碼實力接近 Claude Sonnet 4.5；亞洲語言優化最佳	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐
DeepSeek-R1	DeepSeek	7B～14B	MATH-500 達 97.3%；推理型模型，chain-of-thought 思考過程可見，邏輯分析突出	⭐⭐⭐⭐	⭐⭐⭐⭐
Llama 4 Scout	Meta	17B（活躍參數）	671B MoE 架構，128k 超長上下文；生態最龐大，各種外掛與微調版本最多	⭐⭐⭐	⭐⭐⭐⭐
Phi-4	Microsoft	14B	MATH benchmark 80.4%，超越同規模模型；適合數學推理與結構化分析	⭐⭐⭐	⭐⭐⭐⭐
Gemma 3	Google	4B	僅需 4.2GB RAM，最省資源；適合低配電腦或快速回應場景	⭐⭐⭐	⭐⭐⭐

對繁體中文使用者，Qwen 是首選。 Qwen 2.5 的 7B 版本在一般電腦上就跑得動，中文理解和生成品質已能應付多數日常場景；若有程式碼需求，建議升級到 14B 版本。

硬體參考：7B 模型約需 8GB RAM，14B 需 16GB，Gemma 3 4B 最省只需 4.2GB。有 Apple Silicon 或獨立 NVIDIA GPU 速度會快很多，但純 CPU 也能跑。

第一步：安裝並跑起你的第一個 AI 模型

步驟 1｜下載安裝 Ollama

前往 ollama.com 下載對應你作業系統的安裝檔：

• macOS：下載 .dmg，拖曳到 Applications 完成安裝
• Windows：下載 .exe，一鍵安裝，安裝完會在系統匣出現圖示
• Linux：執行 curl -fsSL https://ollama.com/install.sh | sh

步驟 2｜下載並運行第一個 Ollama 模型

打開終端機（Terminal / PowerShell），輸入：

# 推薦：Qwen 2.5（繁體中文最佳選擇）
ollama run qwen2.5

# 或者 Llama 4
ollama run llama4

第一次執行會自動下載模型（Qwen 2.5 7B 約 4.7 GB），下載完成後直接進入對話模式。

步驟 3｜測試基本問答

>>> 用繁體中文，幫我摘要什麼是 API，給非技術背景的人看

有收到流暢的繁體中文回應，代表你的本地 AI 已經跑起來了。

步驟 4｜透過 Ollama API 呼叫（進階整合用）

Ollama 預設在 http://localhost:11434 提供與 OpenAI 相容的 API：

curl http://localhost:11434/api/chat -d '{
  "model": "qwen2.5",
  "messages": [{ "role": "user", "content": "用繁體中文解釋 REST API 是什麼" }]
}'

任何支援 OpenAI API 的工具，只要把 base URL 指向 http://localhost:11434，就能切換使用本地模型。

步驟 5｜管理已安裝的模型

# 查看所有已安裝的模型
ollama list

# 刪除不用的模型（釋放硬碟空間）
ollama rm llama4

搭配 Open WebUI：讓 Ollama 有 ChatGPT 介面

純終端機對話不夠直觀？Open WebUI 是目前最流行的 Ollama 圖形介面，裝完你會得到一個幾乎跟 ChatGPT 一模一樣的操作畫面，但背後跑的是你自己機器上的模型。需要先安裝 Docker，然後執行：

docker run -d -p 3000:80   --add-host=host.docker.internal:host-gateway   -v open-webui:/app/backend/data   --name open-webui   ghcr.io/open-webui/open-webui:main

安裝完成後開啟瀏覽器輸入 http://localhost:3000，就能用熟悉的介面跟本地模型對話、切換模型、查看歷史記錄。

Ollama 整合 WordPress：有哪些可能？

整合場景	工具 / 方式	門檻
AI 輔助寫作（支援 OpenAI API 的外掛改指向本地）	WordPress AI 外掛 + Ollama	低–中
自動化工作流（摘要、標籤、發文）	n8n + Ollama	中–高
本機開發環境測試 AI 功能	直接呼叫 Ollama API	低
語意搜尋 / 智慧問答（RAG）	搭配向量資料庫（Chroma、Qdrant）	高

重要限制：Ollama 預設只監聽 localhost，如果你的 WordPress 站台跑在遠端伺服器上，兩邊無法直接互通，需要額外設定反向代理或 Tunnel。最順手的整合情境是本機開發環境，或者 WordPress 和 Ollama 都跑在同一台機器上。

Ollama 能當 Claude 的備案嗎？誠實評估

任務類型	Ollama（Qwen 2.5）	Claude Pro
日常問答、基礎摘要	可勝任	更好
繁體中文寫作	尚可	更流暢
固定格式指令	穩定實用	差不多
WordPress / SEO 任務	基礎可用	更好
程式碼除錯（複雜）	明顯差距	顯著優勢
完全離線使用	完全支援	不支援
每日用量無限制	完全支援	有限制
資料不離本機	完全支援	不支援

最誠實的結論是：Ollama 最適合當 Claude 的「量級備案」——每天 Claude 用量耗盡的那幾個小時，或者深夜高峰期品質下降時，用來跑重複性任務、格式整理、基礎問答，是相當實際的解法。複雜 debug、系統架構分析，目前仍是雲端模型的主場。

結語

評估項目	結論
安裝難度	低，10 分鐘內可跑起來
繁體中文支援（Qwen）	優
WordPress 整合可行性	中（本機開發環境最順）
Claude 備案可行性	中（輕量任務可取代）
資料隱私	完全本地，零外傳
費用	完全免費

如果你是每天把 Claude Pro 用到見底的使用者，Ollama 不會讓你從此告別訂閱——但它能在每日配額跑光的那幾個小時裡，撐起基礎工作流的運作。搭配 Open WebUI 之後，操作體驗已相當接近主流雲端工具。值得花半小時裝起來試試。

---

常見問題 FAQ

Ollama 完全免費嗎？

是的。Ollama 本身開源免費，大多數可運行的模型（Qwen、Llama、Gemma、DeepSeek 等）也是開源免費的。唯一的「費用」是你自己的硬體資源和電費。

我的電腦跑得起 Ollama 嗎？

基本要求是 8GB RAM（建議 16GB），任何現代 CPU 都能跑。有 Apple Silicon 或獨立 NVIDIA GPU 會大幅提升速度，但不是必要條件。7B 模型在一般 MacBook 或中階 PC 上都能動；如果只有 8GB RAM，可以先從 Gemma 3 4B 開始。

Ollama 的模型和 Claude 差多遠？

日常問答、摘要、格式整理等輕量任務，7B–14B 的模型已有實用水準。根據 2026 年 benchmark，Qwen 2.5 14B 的 HumanEval 程式碼得分達 72.5%，Qwen3-Coder 更接近 Claude Sonnet 4.5 的水準。但在複雜推理、系統架構分析等高難度任務，目前仍有明顯差距。

Ollama 可以完全離線使用嗎？

可以。模型下載到本地後，完全不需要網路連線。這也是它在資料隱私和離線場景中的核心優勢。

Ollama 怎麼跟 WordPress 整合？

最直接的方式是使用支援 OpenAI API 的 WordPress 外掛，將 API endpoint 改指向 http://localhost:11434。但前提是 WordPress 和 Ollama 要在同一台機器上運行，遠端主機需要額外的網路設定。

在 Windows 和 Mac 上跑 Ollama，效果有差嗎？

有差異。Apple Silicon（M1/M2/M3/M4）因為統一記憶體架構，跑本地模型的能效比特別突出。Windows 有獨立 NVIDIA GPU 也能有不錯的速度，但純 CPU 模式會明顯較慢。

如果你正在考慮其他替代選項，最近 Codex 5.3 也是不少開發者在討論的選擇，可以參考 Claude 訂閱降智又狂燒 Token？我用 Codex 5.3 找到了這個答案 這篇的對比分析。

---

參考來源

• Ollama 官網
• Ollama GitHub
• Open WebUI GitHub
• ETtoday AI — Anthropic 調整 Claude 尖峰時段額度機制
• Local LLMs vs Cloud LLMs in 2026
• 五分鐘上手 Ollama — YWC 科技筆記