本文提供了一份在本地部署和使用 Qwen3 大模型的详细指南。Qwen3 以其卓越的性能，特别是在小尺寸模型上，展现出强大的竞争力。该指南涵盖了安装 Ollama 和 Cherry Studio 等必要软件，详细介绍了部署流程，包括通过 Ollama 运行 Qwen3 模型，以及在 Cherry Studio 中配置和验证模型。此外，文章还提供了注意事项，如显存和硬盘占用情况，以及可能遇到的问题和解决方案，帮助用户顺利在本地体验 Qwen3 的强大功能。

💡 **模型选择与性能**：Qwen3 系列模型因其卓越的性能而备受关注，特别是在小尺寸模型上表现出色，例如 Qwen3-4B 模型在编程能力上接近 GPT-4o（2024-11-20）版本。

⚙️ **部署准备：软件安装**：部署 Qwen3 模型需要安装 Ollama（支持 macOS/Linux/Windows）和 Cherry Studio（v1.2.10 及以上版本）。确保安装的是最新版本，以便获得最佳体验。

🚀 **部署流程：Ollama 部署**：通过 Ollama 部署 Qwen3:8b 模型。在终端中运行 `ollama run qwen3:8b` 命令。如果出现“model not found”提示，先执行 `ollama pull qwen3:8b` 拉取模型。

🖼️ **配置 Cherry Studio**：在 Cherry Studio 中添加模型配置，选择“Ollama 本地模型”，开启模型启用开关，并添加模型。模型名称必须与部署名称完全一致（qwen3:8b）。

✅ **模型验证与注意事项**：在 Cherry Studio 主界面切换模型并输入内容，验证模型是否正常响应。部署时，需注意模型对显存（约 8GB）和硬盘（约 7GB）的占用。如果遇到问题，检查 Ollama 服务是否运行、模型路径是否正确以及网络权限是否开放。

在本地部署与使用 Qwen3 的完整指南

qwen系列大模型开源，小尺寸模型超高性能成为又一王炸。官方如此说4b模型：“Qwen3-4B 这样的小模型也能匹敌 Qwen2.5-72B-Instruct 的性能。”

仅4b模型，在编程方面可以说和GPT-4o（2024-11-20）版本打的有来有回。

前置条件

所涉及软件，均为开源。

安装 Ollama（支持 macOS/Linux/windows）安装 Cherry Studio（要求 v1.2.10 以上版本）

⚠️ 我使用的都是当前最新版本，如有问题，可以评论区反馈

部署流程

第一步：通过 Ollama 部署 Qwen3:8b 模型

打开终端，执行以下命令：

ollama run qwen3:8b

⚠️ 如果出现"model not found"提示，请执行 ollama pull qwen3:8b 先拉取模型

观察部署过程：

一般只需进入和ai进行交流的页面就ok了

⚠️ 如果有问题，可查看本地目录 ~/.ollama/models/manifests/registry.ollama.ai/library/ 是否生成 qwen3:8b 目录结构

配置 Cherry Studio

第二步：添加模型配置

启动 Cherry Studio，点击 "齿轮" 按钮，进入设置页面进入模型管理界面配置参数（关键步骤）：
模型类型：选择 "Ollama 本地模型"开启模型启用开关点击 “添加”，添加模型模型名称：qwen3:8b（必须与部署名称完全一致）

⚠️ 若未找到模型，检查：

Ollama 服务是否在运行（ollama serve）模型路径是否正确（可执行 find ~/.ollama -name qwen3 校验）网络权限是否开放（特别在 Linux 系统需要 sudo 权限）

第三步：验证模型状态

在 Cherry Studio 主界面：
切换模型输入框输入响应内容预期输出：Qwen3 的响应内容

注意事项

模型占用约 8GB 显存，需确保 GPU 资源足够模型占用约 7GB 硬盘

ps:我使用的事mac book pro .