Draw Things 开源本地应用 Local Code，可在 Mac 上本地运行 DeepSeek 4.1 Flash 等模型

几周前，我们在推出新应用 Local Code 的公测版时曾介绍过它。现在，我们正式向全世界发布它，并将整个应用开源。你可以从 getlocalcode.app 下载（macOS App Store 版本即将推出），从内置选择器下载模型，今天就可以开始使用。与其重复我们已经写过的内容，我想谈谈它能做什么、它处于什么阶段——所有这些都无需外部安装、登录、API 密钥或外部 MCP 服务器。 你可以用它生成图像、视频和复杂的信息图，包括精确的饼图和柱状图，使用内置的 Python 和 draw-things-cli，完全在本地运行。 你可以用它制作幻灯片和讲解视频，带有丰富的动态图形和动画。 你可以用它编写 Python 或 JavaScript，或者单纯审查你的代码。 你可以让它访问网站、用你的凭据登录并预约。 你可以将它连接到你的照片、信息、邮件、备忘录和日历应用，让它总结其中的内容，或在支持的情况下编辑和重新整理它们。 你可以让它更新你的电子表格、读取 Word 文档，或对 PowerPoint 文件进行最新的必要修改。 你可以放心地把数据交给它，因为它在你 Mac 今天能处理的最智能、最大的模型上本地运行，不会把你的提示词或文件发送给云端 AI 提供商。DeepSeek 4.1 Flash 1017 是一个 763B 参数的模型，我们将其量化为 376 GiB 的包。其前沿级智能在许多基准测试和真实用例中超越了 GPT-5.6 Sol。它仅需 36 GiB 常驻内存即可达到可用速度运行（提示处理约 350 tok/s，token 生成约 18 tok/s），适合 64 GiB 或更多内存的 Mac。DeepSeek 4 Flash 0731 是一个 304B 参数的纯文本模型，我们将其量化为 89 GiB 的包，适合 48 GiB 或更多内存的 Mac。Qwen 3.8 27B 是一个 27B 参数的模型，我们将其量化为 10 GiB 的包，适合 16 GiB 或更多内存的 Mac。 我们对这些模型运行了相同的基准测试，以将其与官方报告的结果进行比较。它们与那些结果高度吻合，智能没有出现退化。 我们对 DeepSeek 4.1 Flash 1017 的 2-bit S 量化基准分数，展示了量化后强大的智能保留能力。 我们的量化格式充分利用了 M5 Ultra 的神经加速器，提供领先的提示处理性能，并相比其他方案缩短了首个 token 的时间。 Local Code 完全开源。你——或者 Local Code 本身——可以克隆仓库并按你的喜好修改它。它是你的。你今天就可以在 https://github.com/drawthingsai/local-code-community. 开始构建 Local Code。