whichllm
一个面向本地 LLM 玩家与开发者的开源 CLI，用硬件检测和多来源跑分排序，产出“你的机器更适合跑哪些本地模型”的可执行推荐清单。
工具简介
判断：如果你经常纠结“显存能塞下哪个模型”和“哪个模型实际又快又聪明”，whichllm 值得试；但它更像本地模型选型助手，不是模型运行框架、聊天应用，也不是保证结果绝对准确的自动调优器。更准确的类比，是把硬件探测、公开榜单和经验规则合成一条命令版“本机 LLM 选型顾问”。
它的实际作用，是检测 GPU、CPU、内存后，按兼容性、估计速度和多来源 benchmark 给出候选排序，而不是只告诉你“最大能跑到几 B”。现有中文文章和 X 贴文都反复强调这一点，并展示了按用途区分推荐、还能模拟指定 GPU 的说法。这里“热度证明”主要来自 X 转发和媒体转述，说明大家对“少踩本地模型选择坑”这件事很有兴趣；“好用证明”则更多来自知乎/Qiita 风格的上手讲解与示例输出，能支持它确实能产出可读建议，但仍以演示样本为主。
门槛和成本方面，证据只足以支持它是开源 CLI，需要你本来就在折腾本地 LLM、看得懂显卡/量化规格/Hugging Face 模型名。未见可靠证据说明有官方商业定价或 API 收费，因此应视为开源工具本体为主；真正成本仍是你的本地硬件、下载模型与试跑时间。社媒里出现的显卡配置、tok/s、4.2k+ Star 等，更适合视为社区演示或当时观察，不应当作稳定承诺。
适合谁：本地部署、Ollama/GGUF、准备买卡或升级硬件、想先缩小候选范围的人。不太适合谁：只想直接在线调用闭源 API、希望它替你完成部署推理的人。社媒共识整体偏正面，认为它把“选模型”这件事产品化了；但讨论质量也要区分：当前证据里转发和资讯型介绍不少，教程/上手文有一些，真正长期实测、失败案例、系统对比还有限，所以对推荐精度和泛化能力应保持保守预期。