開發者推出了開源工具 whatmodel.sh，該工具允許使用者輸入 RAM 和 GPU 規格，以查看可在本地運行的 AI 模型排名及執行指令，並能將這些模型與具有相同分數的 API 模型進行比較。開發者指出，該工具的開發過程讓他意識到，配備 32GB 記憶體的 Mac 現在可以完全免費且本地運行得分與 GPT-5 相當的模型（例如 4-bit 量化的 Qwen3.8 27B）。
該工具為每個模型提供一個分數，該分數是基於對 19,731 個已發布基準測試結果的擬合計算得出，且每個結果都連結到其原始來源。方法論詳細說明位於 whatmodel.sh/method，數據、評分程式碼和基準測試腳本均已開源，存放於 GitHub 倉庫 github.com/jakemanger/whatmodel。使用者也可以透過終端機指令 `curl whatmodel.sh` 存取該工具。
開發者歡迎社群貢獻，提供了用於收集真實世界每秒 token 數（tok/s）的基準測試腳本，並允許使用者在 GitHub 上提交新模型及其來源的基準測試分數。
事件背景
whatmodel.sh 是一個開源專案，其數據、評分程式碼和基準測試腳本均公開於 GitHub。該工具的核心機制是透過擬合 19,731 個已發布的基準測試結果來為模型評分，並提供與 API 模型的比較功能。開發者強調其方法論透明，每個分數結果均可追溯至原始來源。
社群觀察
社群討論主要集中在工具的準確性、功能差異及可用性問題上：
1. **硬體過濾邏輯爭議**：使用者 Perfect-Campaign9551 批評當輸入 RAM 或 GPU 數值時，工具應自動過濾掉閉源模型，因為這些模型不需要本地硬體資源，但目前仍需手動選擇「Local」選項。此外，該使用者指出工具建議其配置只能運行 2-bit 的 Qwen 3.8 Next Flash，但他使用 Strata 工具時可以順利運行 3-bit 版本，認為工具的建議不準確。
2. **功能比較與缺失**：使用者 roworu 詢問該工具與 llmfit 的區別，並指出 whatmodel.sh 缺乏對硬體預測每秒 token 數（TPS）的功能。
3. **數據整合建議**：使用者 asankhs 建議從 Hugging Face 的 LocalLLaMA local-model-explorer 空間獲取現有數據以改進工具，並指出該數據集也是開放的。
4. **自訂規格支援**：使用者 OrrinW01 建議增加自訂 RAM/VRAM 按鈕，因為目前 40/80 GB 等格式不被視為有效輸入，儘管他擁有 2x 3080 20GB 顯卡並已運行 Qwen 3.8。
5. **其他反饋**：使用者 dadnothere 幽默地詢問 1GB VRAM 的選項在哪裡。
