机型基线：联想笔记本 · RTX 4060 Laptop GPU（约 8GB 显存）· 32GB 系统内存 · i7-14650HX · Windows
8GB 显存是分界线，32GB 内存加 14650HX 拉高了“勉强区”的上限，但全显存的舒适区不变：主力是 7~8B 语言模型与 SDXL 级出图，大模型靠卸载当备选。
| 任务 | 推荐 | 显存占用（约） | 预期 |
|---|---|---|---|
| 语言模型（主力） | Qwen3-8B（Q4） | 5GB | 全显存，20~40 token/秒，32K 上下文 |
| 语言模型（第二主力） | Qwen3-14B（Q4） | 8GB+ | 部分卸载到内存，可用，速度略降 |
| 语言模型（批量任务） | Qwen3-30B-A3B（Q4，MoE） | 19GB（约 8GB 显存 + 内存卸载） | 偏慢，适合丢一堆任务慢慢跑，不适合实时聊天 |
| 代码 / 看图 | Qwen2.5-Coder-7B、Qwen2.5-VL-7B | 5~6GB | 全显存，顺畅 |
| 文生图（主力） | SDXL | 6~8GB | 1024×1024、30 步约 20~40 秒 |
| 文生图（进阶） | Z-Image Turbo int8 版、FLUX.2 klein 4B fp8 | 4~7GB | 8 步 / 4 步出图，画质好 |
| 文生图（慢工） | FLUX.1 dev/schnell（GGUF 量化） | 量化版 + 卸载 | 一张几分钟，文字渲染强 |
| 视频 | Wan2.1 1.3B | 约 8GB | 480P 短片，5 秒片子十几分钟 |
| 视频（勉强） | Wan2.2 5B（fp8） | 约 6GB + 卸载 | 能跑，慢；14B 不用想 |
| 语音 | Whisper large-v3、CosyVoice / F5-TTS | 不到一半显存 | 轻松 |
级别定位：8B 模型日常聊天、摘要、翻译、简单代码够用，大概是云端中低档模型的水平，硬推理、长文、复杂工程仍是云端旗舰强得多。出图 SDXL 级是主流商用插画水准，视频是能玩、不能当生产力。整体是一台合格的本地实验室，学习和个人用足够，替代不了云端旗舰。
nvidia-smi，能看到 RTX 4060 Laptop GPU 与约 8GB 显存即算就绪。D:\models。git clone。OllamaSetup.exe，安装后它在后台运行，托盘有图标。ollama pull qwen3:8b
ollama run qwen3:8b能对话即算跑通，输入 /bye 退出。验证点：ollama ps 能看到模型在跑，nvidia-smi 能看到显存占用约 5GB。
| 用途 | 命令 | 备注 |
|---|---|---|
| 通用 | ollama pull qwen3:8b | 主力 |
| 通用（更大） | ollama pull qwen3:14b | 部分卸载，可用 |
| 推理 | ollama pull deepseek-r1:7b | 深度思考，速度慢一些 |
| 代码 | ollama pull qwen2.5-coder:7b | 补全与改代码 |
| 看图 | ollama pull qwen2.5vl:7b | 多模态，图片问答 |
| 批量任务 | ollama pull qwen3:30b | MoE，19GB，卸载跑，偏慢 |
Ollama 默认上下文较小。建一个 Modelfile 改大（以 32K 为例）：
# 文件名：Modelfile，内容两行
FROM qwen3:8b
PARAMETER num_ctx 32768ollama create qwen3-8b-32k -f Modelfile
ollama run qwen3-8b-32k32GB 内存放得下 128K 的 KV 缓存，8B 模型开 128K 也可行，速度会降一些。
模型放不进 8GB 显存时，Ollama 会自动把放不下的层卸到内存跑，不用手动设置。代价是速度下降，层卸得越多越慢。32GB 内存的意义就在这里：卸得下，不爆内存。
想要个像 ChatGPT 的网页界面，装 Docker Desktop 后跑 Open WebUI 容器，指向本地 Ollama（OLLAMA_BASE_URL=http://host.docker.internal:11434），浏览器开 http://localhost:3000。本节按官方 README 走，未实测。
ComfyUI_windows_portable_nvidia_cu12x.7z，版本号以下载时最新为准）。D:\ComfyUI。run_nvidia_gpu.bat，等控制台不再滚动，浏览器开 http://127.0.0.1:8188，看到默认工作流即算起来。main.py 参数后追加 --listen 0.0.0.0 再启动（以实测为准）。公网访问不要直接暴露，走第 7 节的 Tunnel + Access。stabilityai/stable-diffusion-xl-base-1.0，下载 sd_xl_base_1.0.safetensors（约 6.9GB），放到 ComfyUI\models\checkpoints\。sdxl_vae.safetensors，放到 ComfyUI\models\vae\（可选，不放也能出图，色彩略差）。sd_xl_base_1.0.safetensors，Latent 设 1024×1024，点 Queue Prompt。出图即算跑通。提示词写英文效果最好；中文可以先让本地 8B 模型翻成英文再喂。风格靠 LoRA 和微调模型扩展，Civitai 上找，放到 models\loras\。
8GB 显存优先用 int8 版，三个文件都在 HuggingFace 的 Comfy-Org/Z-Image-Turbo 仓库：
| 文件 | 大小（约） | 放的位置 |
|---|---|---|
z_image_turbo_int8_convrot.safetensors | 6.2GB | models\diffusion_models\ |
qwen_3_4b_fp8_mixed.safetensors | 5.6GB | models\text_encoders\ |
ae.safetensors | 0.34GB | models\vae\ |
模板用 Templates 里的 Z-Image Turbo：8 步、CFG 1.0、采样器 res_multistep、shift 3、CLIP 类型选 lumina2。文本编码器与扩散模型会轮流卸载，出图约 1~2 分钟一张。bf16 三件套合计 20GB 以上，8GB 显存不要碰。
FLUX.1 dev/schnell 原版放不下，用 GGUF 量化版：经 ComfyUI Manager 装 ComfyUI-GGUF 节点包，模型去 city96 的 GGUF 仓库下 Q8_0 或 Q4_K_M，放到 models\unet\，文本编码器另配。接线方法以节点包的 README 为准，一张图几分钟。
FLUX.2 klein 4B 的 fp8 版约 4~5GB，4 步出图，提示词理解比 SDXL 好，去 Comfy-Org 找官方重打包，同样未实测。
仓库 Comfy-Org/Wan_2.1_ComfyUI_repackaged，三个文件：
| 文件 | 放的位置 |
|---|---|
wan2.1_t2v_1.3B_fp16.safetensors | models\diffusion_models\ |
umt5_xxl_fp8_e4m3fn_scaled.safetensors | models\text_encoders\ |
wan_2.1_vae.safetensors | models\vae\ |
Templates 里开 Wan 2.1 Text to Video 模板直接跑，480P，5 秒片子做好十几分钟的准备。排队次数先改成 1，别连跑多条烧时间。
仓库 Comfy-Org/Wan_2.2_ComfyUI_Repackaged，文件 wan2.2_ti2v_5B_fp16.safetensors（约 10GB）与 wan2.2_vae.safetensors，umt5 文本编码器与 2.1 共用。fp16 版 10GB 需卸载，嫌慢可找 fp8 量化版。模板：Wan 2.2 TI2V 5B，Load Image 传图 + 提示词。14B 版不用想。
铁律：换模型就换模板。Z-Image 的工作流里直接换 Wan 文件会报维度错误，两个工作流不通用，各用各的模板。
另有两个轻量选择：CogVideoX-2B 与 LTX-Video 2B，都能进 8GB，LTX 相对快一些，按各自仓库说明安装。
手机或家里其他设备直接输笔记本的局域网 IP，如 http://192.168.x.x:8188（ComfyUI）或 :11434（Ollama）。前提是服务绑了 0.0.0.0：ComfyUI 加 --listen（见 4.1），Ollama 设环境变量 OLLAMA_HOST=0.0.0.0:11434 后重启。笔记本 IP 在 PowerShell 跑 ipconfig 看。
原理和 Kaggle 上那套一样：笔记本上的连接器主动向外连 Cloudflare 边缘，家里宽带不用开端口、不用公网 IP，NAT 后面也能用。以下示例域名、隧道名均为占位符，换成你自己的。
cloudflared-windows-amd64.exe，改名 cloudflared.exe，放到 C:\cloudflared\ 并加进 PATH，或每次用全路径。cloudflared tunnel login浏览器会打开 Cloudflare 授权页，选域名所在的账号授权。凭证存在 %USERPROFILE%\.cloudflared\。
cloudflared tunnel create laptop-gpu
cloudflared tunnel route dns laptop-gpu gpu.example.comroute dns 会自动建好 DNS 记录。建隧道时会生成一个 UUID 与凭证文件，不要把凭证文件发给任何人。
%USERPROFILE%\.cloudflared\config.yml：tunnel: laptop-gpu
credentials-file: C:\Users\<用户名>\.cloudflared\<UUID>.json
ingress:
- hostname: gpu.example.com
service: http://localhost:8188
- service: http_status:404多一个服务就多一条路由（如 Open WebUI 的 3000 端口），同一条隧道按域名分流，不用每服务建一条隧道。
cloudflared tunnel run laptop-gpu看到连接成功后，用手机关 WiFi、开流量打开 https://gpu.example.com，能打开 ComfyUI 即算通（加 Access 后会先出现登录页，见 7.3）。
cloudflared service install服务默认读同一位置的 config.yml，开机自启。装完重启一次笔记本，验证服务自己起来、隧道自己通。
关 WiFi、开流量打开子域名：应先出现 PIN 登录页，验证通过后进 ComfyUI，能看到队列与出图结果。手机上看队列、看结果、点 Queue 没问题，搭工作流还是回电脑上搭，手机屏幕太小。
--lowvram，或降分辨率、关其他占显存的程序；Ollama 换更小的量化（如 Q3）。先看 nvidia-smi 的实际占用再下结论。netstat -ano | findstr 8188 找占用进程，关掉或换端口。cloudflared tunnel run 的日志，等 1~2 分钟再试。nvidia-smi 报错或认不到卡，先重装官网驱动，再排查别的。nvidia-smi 能看到 RTX 4060 Laptop GPU，显存约 8GBollama run qwen3:8b 能对话