10月8日凌晨1点（北京时间），微软在旧金山发布会扔出一条对本地党分量很重的消息：GitHub Copilot 将在本月底前支持本地 AI 模型推理，开发者可以在云端模型和设备端模型之间自动或手动切换。 纳德拉同日凌晨在 X 上配的话是"把不限量的智能带到每张桌子、每个家庭"。 同一场发布会上，英伟达还端出了 DGX Station for Windows——桌面形态、最高748GB统一内存、官方称可跑约1万亿参数模型，四季度上市。今日头条小红书今日头条
云端编程工具的头号入口正式给本地模型开门，这件事值得每个跑过 Ollama、装过 Strata 的人认真对一遍数字。但先说结论：这不是一篇"本地党赢了"的爽文，而是一篇"月底开闸前你该先问哪三个问题"的核对清单。
一、先把官方给的数字摆全
目前能核实到的信息（IT之家、微博科技账号对发布会的直接报道）：
入口：Copilot CLI、Copilot 应用、Visual Studio Code 三处均可设置偏好；
两种模式：自动编排（协调器决定这轮走云还是走本地）或强制使用设备端模型；
本地模型怎么选：走 Windows ML 可直接选微软自研的 MAI Code 1.1 Flash；也可以连接任意 OpenAI 兼容的本地端点，用端点暴露的模型；
MAI Code 1.1 Flash 的形态：混合专家模型，总参数 1370 亿、激活参数只有 68 亿，官方写明用了量化与推测解码来压内存和提响应速度。今日头条
官方吞吐数字：在 Surface Laptop Ultra 上实测解码吞吐，提示长度从 2K 到 256K Token，落在每秒 40–63 个词元区间。微博
注意最后这条的口径：40–63 是微软自家旗舰笔电测出来的，这一代 Surface Laptop Ultra 搭载的是 NVIDIA RTX Spark 平台。 它不是"你的机器"。它真正的用途，是给"本地编程模型该有多快"画了一条官方基准线：达不到这条线的本地组合，接进 Copilot 也会被嫌慢。哔哩哔哩
二、最该被本地党注意的变化：微软换作业了
去年到今年，微软给本地 AI 立的规矩是 NPU——Copilot+PC 认证要求 NPU 算力不低于 40 TOPS、内存 16GB 起。结果 9 月 30 日，微软 Surface 业务副总裁在骁龙峰会期间亲口承认：新 Surface 不再叫 Copilot+PC，这个搞了两年半的标识体系弃用。 知乎那篇梳理写得很直白：NPU 卖不出溢价，真正决定端侧体验的是内存。招牌功能 Recall 又死在隐私争议上。知乎
再看这次 Copilot 本地推理用的方案：量化 + 推测解码 + 总参数堆量、激活参数砍到 6.8B + 吞吐随提示长度给区间值。这套词，任何一个在 12G 卡上跑过 125B 的人都会觉得眼熟——这就是社区这两年用 Strata、llama.cpp、MLX 一单一单磨出来的作业。137B 总参数/6.8B 激活的 MoE，恰好是"权重靠量化和分层压进内存、干活时只叫醒一小撮参数"的丐帮标准解法。微软绕了两年半 NPU，最后把社区路线搬进了官方入口。
三、把 40–63 摆进社区账本里看
口径 | 模型形态 | 硬件 | 速度/说法 | 来源时间 |
|---|---|---|---|---|
官方基准线 | MAI Code 1.1 Flash（137B/激活6.8B） | Surface Laptop Ultra（RTX Spark） | 40–63 tok/s（提示2K→256K） | 10月8日发布会 |
社区爆款 | Qwen3.8-Flash-Next 125B + Strata | 12G 消费级显卡 | 视频标称 93 t/s | 10月2日B站 |
社区极限 | DeepSeek-V4.1-Flash 约200GB | 单张 3090 + 系统内存分层 | 称"跑满血" | 10月6日知乎 |
翻车提醒 | 社区 MLX 打包版 | Mac | 官方宣传的 MTP 加速权重在包里缺失 | 10月7日知乎 |
三件事一眼能看出来：第一，12G 显卡党的实测天花板高于微软旗舰笔电的官方下限，你的 Strata 125B 接进 Copilot 端点未必比 MAI 慢。 第二，"标称 93"和"同样显卡同样模型跑别人一半速"的视频也是同一批人发的，本地速度分布极宽，抄作业前先对配置。 第三，官方数字和社区包之间有缝隙——MLX 那次 MTP 权重缺失就是前车之鉴，这次 1.1 Flash 装进 Windows ML 后给不给完整加速权重，值得盯。哔哩哔哩哔哩哔哩知乎
四、官方还没公布的三条线，别脑补
发布会只开了个头，以下三条目前没有任何公开数字，月底真机上线前都是悬念：
内存/显存地板：137B 量化后到底要占多少 GB、Windows ML 最低硬件要求，官方没写。8G 显卡用户现在无法判断能不能吃到 MAI；
平台范围：本次表述围绕 Windows ML 和 Surface，macOS、Linux 的 Copilot 本地推理是否同步开放，没有说法；
和计费的关系：Copilot 今年 6 月改成 AI Credits 按量计费，重度 Agent 用户"烧超预算"是社区高频抱怨。 强制设备端模式跑出来的 token 还计不计 Credits、自动编排会不会把本该本地的请求悄悄扔回云端——这条直接决定这功能是"省钱开关"还是"营销开关"。知乎
另外提醒一句边界：选"自动编排"意味着接受协调器可能把这段上下文送去云端。对拿 Copilot 喂内部代码的人来说，要不要锁死"强制设备端"，是启用当天第一件要设的事。
五、按机器分三类人
12G–16G 显卡 + Windows 用户：最该第一时间试的一批。月底更新后把本地端点（Strata/Ollama/LM Studio 暴露的 OpenAI 兼容口）接进 Copilot，跑你手里现成的 125B/27B，和 MAI Code 1.1 Flash 双开对测。你的硬件大概率能摸到 40–63 这条官方线；
8G 显存党、老笔记本：建议观望两周。MAI 的内存门槛没公布前，别为了"官方支持本地"去买卡或折腾量化版本——上个月这波显卡涨价已经教会大家一件事：参数表没落地前，钱先捂热；
Mac 用户：这次发布的主角不是你们。DGX Spark 那本账另算，Mac 上的 Copilot 本地推理等微软把平台说清楚再动。
一句话收尾：微软这次不是发功能，是官方承认了本地党这两年的玩法——内存决定能装多大，量化和推测解码决定跑多快。月底开闸后，先设强制设备端、再测端点延迟、最后看账单，三件事做完，才知道这条"本地之门"是不是给你开的。
