問人為什麼沒在自己電腦上試過大模型，答案很少是註冊或付費，多半是那張硬體清單：動輒幾 GB 的顯示記憶體、某個等級的顯示卡，好像沒有像樣的獨立顯卡就沒有入場資格。可現實是，多數人的電腦就是一台普通辦公筆電，內顯、16 GB 記憶體、一塊普通固態硬碟。門檻若降不到這個水準以下，「人人都能用的本機模型」就只是一句口號。

GPT4All 就是把這句口號變成可以走進去的房間的那個專案。它 2023 年問世，採限制極少的開放許可，倉庫累積的星標超過七萬，是最早讓普通消費級硬體跑起語言模型的程式之一。它的設計從一開始就不一樣：顯示卡不是必需品，處理器才是第一公民。量化過的開放模型在普通處理器上就能跑，8 GB 記憶體足以承載七十億參數級的小模型，內顯筆電與老桌機都在服務範圍內；擁有兩大廠獨立顯卡的人可以透過跨平台的繪圖介面取得加速，採用自研晶片的機器走廠商自己的路徑，而完全沒有這些硬體，體驗只是慢一些，不是用不了。

裝好之後幾乎沒有學習成本：從內建清單挑一個標好體積與記憶體需求的模型，下載完直接開始對話。真正的王牌是 LocalDocs，它把「對自己的資料提問」從工程活變成一個勾選項。把一個資料夾指定為資料集合，程式在本地建好索引，之後提問時會自動挑出最相關的段落當上下文，回答下方還列出引用來源。整個過程都在本機發生，PDF、文書檔、純文字都支援，內容從頭到尾不經過任何伺服器。

隱私的設計同樣節制。預設狀態下對話紀錄不離開這台電腦，沒有遙測，也不必註冊帳號；官方的資料分享計畫完全自願，不勾選就什麼都不上傳。它跨三個桌面系統，較新的版本也照顧到採用低功耗晶片架構的機型。

開發者也沒有被落下：一個 Python 套件裝好之後，兩行程式就能在腳本裡呼叫本機模型；以容器為基礎的本機服務開出與大型雲端格式相同的端點，既有工具鏈改一個位址就切到本機推理。應用裡還內建一個沙箱化的程式碼解譯器，可以就地執行模型寫出的簡單片段。

短處也該講白。處理器推理的天花板就在那裡，沒有顯卡的機器上，生成文字的速度只能算夠用，載入大一點的模型需要耐心。精選清單的更新近來放慢，最新的開放模型往往得手動以標準模型檔格式匯入。本機模型的智力與雲端旗艦有客觀差距，硬推理上看得出來。資料量大時，低配置機器建索引偏慢，把上下文參數拉得太高還可能不穩。

在這個領域裡，工具越做越強，門檻卻悄悄往上爬。GPT4All 的價值正是它一直守著最下面那一格台階：不必顯卡、不必帳號、不必碰終端，一台普通電腦加一個幾 GB 的模型檔，就能在完全離線的環境裡跟自己的資料對話。對第一次想試本機 AI 的人，它未必是終點，卻是最不容易半途而廢的起點。

技術的普及從來不是從最強開始，而是從最容易開始。顯卡從必要條件裡被劃掉的那一刻，本機 AI 才真正屬於每一個人。