在自己电脑上跑模型读网页：能力够不够用，怎么判断
这件事现在为什么成立了
几年前，能把一篇长文读明白的模型只跑在别人的机房里。现在一台内存够用的笔记本就能跑起来一个可用的模型，Ollama、LM Studio 这类工具把安装这一步压到了几分钟，模型文件下载完就能开始提问。
于是问题从「跑不跑得动」变成了「跑起来的这个够不够用」。这个问题的答案和型号关系不大。开源模型的更新节奏是几个月一轮，今天记住的名字过半年就换了一批，照着名字选会一直落后半步。按能力维度判断可以一直用下去，读网页这件事上需要看的是三个维度：一次能读进多少内容、能不能听懂你的要求、多久给你第一个字。
三个维度怎么看
上下文长度决定一次能读多少。 上下文长度是模型一次能同时看到的文字总量，页面正文、你的问题、它自己的回答都算在里面。读网页对上下文的要求跟着页面走，一篇技术博客通常几千字，一份 API 参考文档可能几万字。上下文装不下的时候，多出来的内容会被截断，或者需要工具先切块再合并结果，这两种做法都会丢掉一部分信息。先量一下你常读的那几类页面有多长，再看模型的上下文够不够，比看参数表更有用。
指令跟随决定回答有没有用。 同样一段内容，问「总结要点」和问「只列出和某个版本有关的部分」，后者对指令跟随的要求高得多。前一种要求模型看懂内容就行，后一种要求它在看懂之后还能守住你给的边界，该省略的地方真的省略掉。这项能力差的表现很好认：回答本身读着通顺，但是把你没要的东西一起塞了进来，或者悄悄换了个更好答的问题回答。
响应速度决定你会不会一直用。 本地推理的第一个字通常来得慢一些，读网页这个场景对这一点比较敏感，因为你在等的时候页面就摆在眼前，等待感比在聊天窗口里明显。流式输出能缓解这件事，第一个字出来就能开始读，不用等整段生成完。模型提前载入内存也能省掉一次冷启动，把等待挪到你提问之前。
判断方法是拿自己的活去试。 挑三个你平时真会读的页面，问三类你平时真会问的问题，看三件事：内容有没有被截断、回答有没有守住你给的限制、第一个字多久出来。小参数量档位在总结、翻译、抽取要点这类活上通常够用；按条件筛选、跨段落对照、从技术文档里推出结论，一般要中等以上的档位才稳定。同一档位里换型号带来的差别，往往小于把问题问清楚带来的差别。
在浏览器里怎么用上
模型跑起来之后还缺一个入口，得让它读到你正在看的这一页。
PageGrok 是一个只做网页阅读的 Chrome 侧边栏。打开面板时它读取当前标签页里已经渲染出来的文本，也可以只框选页面上的一块或几块区域再提问。文章和文档页整页读得下来，信息密度高的页面可以只框选你要的那几块。回答是流式输出的，第一个字出来就能开始读。
接本机模型时，它支持 Ollama、LM Studio 和 Apple Silicon 上的 oMLX，模型列表是运行时从服务方读的，你拉过或者载入过的模型直接出现在选择器里。接 Ollama 时它会按这次请求的实际长度自动选一档上下文窗口，并且让模型在两次提问之间保持加载 30 分钟，省掉重复的冷启动。用本地模型时，页面内容只在浏览器和你自己机器上的模型之间流动。
想先看看效果再决定装哪个模型服务的话，PageGrok 的内置 AI 装完打开侧边栏就能问，用的是云端轻量模型，不需要注册账号，也不需要在本机跑任何东西。
延伸阅读：在浏览器里用本地 AI、接入 Ollama、接入 LM Studio。
常见问题
还没装模型服务，能先试试用 AI 读网页吗？
可以。PageGrok 装完打开侧边栏就能对当前页面提问，内置 AI 用的是云端轻量模型，不需要注册账号，也不需要填 API Key。想换成本机模型时，在设置里切换即可，页面内容会改走本地。
多大参数量的模型才够读网页？
总结、翻译、找出页面里提到的几个要点，小参数量档位就能稳定完成。按条件筛选内容、跨段落对照、从技术文档里推出结论，通常要中等以上的档位才可靠。判断标准是拿你自己最常问的那类问题去试，跑分说明不了这件事。
上下文长度要多大才够读一篇长文？
先量一下你常读的页面有多长。一篇技术博客通常几千字，一份 API 参考文档可能几万字。PageGrok 每次最多向模型发送 12000 字符的页面正文，接 Ollama 时会按这次请求的实际长度自动选上下文窗口，最高一档是 16384。页面更长时，框选一块完整的主题区域比整页送过去更容易得到准确回答。
本地模型第一个问题为什么等得久？
模型要先从硬盘加载进内存，这一步只在冷启动时发生。PageGrok 接 Ollama 时会让模型在两次提问之间保持加载 30 分钟，设置里还可以打开提前载入，把这段等待挪到你提问之前。