Osaurus 免費嗎？使用 cloud model 會不會付費？

Osaurus repository 採 MIT 授權，官方 app 沒有訂閱費；本機模型也不會產生第三方按 token 計費。不過模型會占用 SSD、記憶體與電力，改用 cloud provider 時仍依該服務的方案或 API 用量付費。

Osaurus 有繁體中文介面嗎？

截至 2026 年 7 月 22 日，我們在官方文件與 repository 找不到完整繁中 UI 的承諾。模型能用中文回答，不代表 app 的選單與設定已完成繁中在地化。

本機模型太慢、記憶體不足或 SSD 不夠怎麼辦？

先換較小或更低位元量化的模型，並使用預設一次只載入一個模型的 Strict 設定。SSD 不足可透過 OSU_MODELS_DIR 把模型移到外接磁碟；若改用 cloud，記得重新檢查資料會送去哪裡及可能費用。

Osaurus 台灣 Mac 實用指南：本機 AI Agent 安裝、模型選擇與隱私邊界

想讓 AI Agent 在 Mac 上整理檔案、跑工具，又不想一開始就把真實工作資料交出去？Osaurus 的確把本機模型、agent、memory 與工具整合得很完整，但「local-first」不是一張自動生效的隱私保證書。這篇依 2026 年 7 月 22 日可取得的官方文件，帶你用五道 gate 完成一個可驗收、可復原的試跑。先說清楚，我們這次做的是文件與指令查核，沒有在各款 Mac 上跑速度 benchmark，也沒有做越界或滲透測試。

TL;DR：

Osaurus 是 macOS AI agent harness，不只是模型 runner。只需要 inference endpoint 的人，不必急著搬離 Ollama 或 LM Studio。
基本條件是 Apple Silicon、macOS 15.5 以上，以及每個本機模型約 2–20 GB 空間。Apple Foundation Models 要 macOS 26 以上；Sandbox 在 macOS 26+ 使用隔離 Linux VM，macOS 15 則自動退回 Seatbelt 限制環境。
本機模型不代表每項功能都不出網。敏感任務前要分別檢查 cloud model、relay、remote MCP／工具、Sandbox network 與 telemetry。
第一次只授權空白 working folder，請 agent 建立一個 README。確認檔案變更、模型與外連後，再逐項擴權。

先做 go／no-go，哪些 Mac 值得繼續？

Osaurus 的 app 安裝門檻：Apple Silicon Mac、macOS 15.5 以上，每個本機模型另需約 2–20 GB 空間。官方沒有把 16 GB 或 24 GB RAM 列成統一最低要求，能安裝與能順暢跑某個模型是兩回事。

Gate	你要確認什麼	不符合時怎麼做
晶片	About This Mac 顯示 Apple M 系列	Intel Mac 停止安裝
系統	macOS 15.5 以上	先更新系統；無法更新就停止
儲存	下載單一模型前至少留出該模型所需空間	選小模型或改外接磁碟
必要功能	Apple Foundation Models 或 Linux VM Sandbox 是否為必要	必要但低於 macOS 26，就改用本機模型或 Seatbelt Sandbox，或另選方案

官方安裝頁目前只列 M1、M2、M3 或更新晶片，沒有每款 Mac 的速度保證。模型頁雖提供量化模型的約略記憶體估法，那仍是選模型的參考，不是 app 的硬門檻。最務實的起手式，是先下載一個小模型、維持一次載入一個模型，再看日常工作還剩多少 unified memory。

Osaurus 是什麼，為何不該直接當成 Ollama 替代品？

Osaurus 是 Mac 原生 AI agent harness：它把模型層、agent identity、memory、tools、automation 與相容 API 放在同一個工作區。Ollama 和 LM Studio 的主要用途更偏向執行、管理或測試本機模型，三者可以共存。

你的需求	先選什麼	理由
只想提供 local inference endpoint	保留 Ollama／LM Studio	不必為 agent 功能增加管理面
想要持久 agent、memory、tools 與 automation	平行試跑 Osaurus	這才是 Osaurus 的核心定位
不想下載模型、管理 RAM 或 SSD	雲端 ChatGPT／Claude／Gemini	hosted product 的操作負擔較低

目前正式入口是 osaurus.ai、docs.osaurus.ai 與 osaurus-ai/osaurus。看到舊教學連向 dinoki-ai/osaurus 不代表那是現在該下載的地方。既有 Ollama／LM Studio 使用者也不用先移除原工作流，官方 Models 文件仍列出 Ollama server 與 LM Studio Custom server 的連接方式。

這也解釋了為什麼拿三者做「誰比較快」排行榜很危險。沒有同一台硬體、同一個模型、相同量化與 context 的 controlled benchmark，速度或品質結論都只是猜測。想先理解本機模型會吃掉哪些資源，可以接著看本機私有 AI 工具的選擇框架，再決定是否需要完整 agent 層。

從官方來源安裝，並用四個訊號驗收

我們逐項對照了官方 Installation 文件。你可以從官網或 GitHub Releases 下載 DMG，也可以用 Homebrew：

brew install --cask osaurus

DMG 路線就是把 app 拖進 Applications。若 macOS 顯示無法開啟，官方建議先刪除檔案，改從官網或 current GitHub Releases 重新下載，不要直接繞過簽章警告。以下指令是官方提供的驗收方式，本次沒有在實機執行：

osaurus --version
osaurus serve
osaurus status
curl http://127.0.0.1:1337/health

四個訊號都要留意：下載來源正確、app 能啟動、CLI 能回版本、127.0.0.1:1337 health endpoint 有回應。DMG 安裝後若找不到 osaurus，照官方頁面把 app bundle 的 CLI link 到 Homebrew bin，或把 bundle 路徑加入 PATH。不要為了省一步，從不明鏡像重抓套件。

MLX、Apple Foundation、cloud，先選資料邊界再選能力

選模型時先問「這份內容能不能送出 Mac」，再考慮方便與能力。

資料不能出網，macOS 15.5 以上：選本機 MLX 模型。你要負擔下載空間與 unified memory。
資料不能出網，macOS 26 以上：可選 Apple Foundation Model，官方表示不需另外下載或設定。
任務需要 cloud model 能力：連接 provider，但當輪 prompt 與 conversation context 會送到對方伺服器，也可能產生費用。

設定完聊天模型還不算結束。Quick Start特別要求到 Settings → General → Core Model 明確選一個模型。Core Model 用來提煉 memory，並為每則訊息挑選相關 tools 與 skills；未設定時，memory 暫停更新，工具選擇會退回 chat model。macOS 26 以上可考慮官方推薦的 foundation，其他環境則選已下載的小型快速模型。這裡別照抄文章裡的特定型號，catalog 與可用模型都會變。

local-first 的五個出網開關，要逐次檢查

判斷 Osaurus 隱私邊界的單位是一輪請求：同一個 agent 上一輪用 local MLX，下一輪切 cloud provider，資料流就不同。產品叫 local-first，不代表 relay、remote tools、網路與 telemetry 自動關閉。

出口	可能離開 Mac 的內容	敏感任務前的處理
Cloud model	當輪 prompt 與 conversation context	改 local／foundation，或先做資料遮蔽
Relay	指定 agent 的 inbound HTTPS	到 Server → Relays 確認關閉
Remote MCP／工具	依第三方工具行為而定	不啟用非必要工具，逐一讀其隱私說明
Sandbox network	Linux VM 的 outbound HTTP	設定 `network: "none"`
Analytics／crash reports	官方稱匿名彙總 metrics 與診斷資料	到 Settings → Privacy 檢查 opt-out

官方 Security & Privacy 頁表示，連 remote provider 後可在 Insights 查看每次 request 實際送出與收到的內容。這是很實用的驗收點，但官方設計聲明仍不等於第三方完整稽核。我們採用的原則很簡單：碰到客戶資料、未公開合約或 API key 前，先記錄這一輪選了哪個模型、開了哪些能力、是否容許網路，再送出 prompt。

Working folder 與 Sandbox，要依任務選邊界

兩者不是可以疊加的雙重保護。Agents 文件寫得很明確，同一個 chat 中 working folder 與 Sandbox 互斥。

任務	選擇	實際邊界
整理文件、搜尋檔案、操作既有 Git repo	Working folder	file／search／git tools 限於所選資料夾
跑未知 script、Python、Node 或安裝 package	Sandbox	macOS 26+ 使用隔離 Linux VM；macOS 15 使用 Seatbelt 限制環境
只想問答，不需要動任何資料	關閉 tools 與 memory	維持 text-in／text-out

Sandbox 的 autonomous_exec 會決定 agent 是否取得 write、exec、install 與 secret tools；read-only 工具則可獨立存在。新 custom agent 的支援環境中，官方文件列出的 enabled 預設甚至是 true，所以不要假設「剛建立」就等於最小權限。Subagents、Computer Use、AppleScript 與 Bonjour discovery 也應在確定有需求後再開。

第一個安全試跑，只建立一個 README

第一次任務若直接丟真實 repo，出錯時你很難分清是模型、權限、工具還是 server 問題。用一個空白資料夾，反而能把變因收乾淨。

新建一個沒有真實資料與 credential 的空白資料夾。
建立測試 agent，關閉不需要的 memory、auto-discover、subagents、Computer Use 與 AppleScript。
在 chat 選取該 working folder，不要同時開 Sandbox。
下指令：「建立 README.md，寫入這是 Osaurus 權限測試，除此之外不要新增或修改檔案。」
檢查資料夾內容與 Git diff，確認只有一個預期檔案。
到 Insights 與 Privacy 設定核對模型、外連和 telemetry，再決定要不要擴權。

這是依官方能力設計的安全 SOP，不是越界測試結論。它的價值在於可逆：失敗就刪掉測試資料夾，真實工作資料沒有被拿來賭。等單檔任務穩定，再逐次增加一項 capability，每次都留得下 diff。

資料在 Mac 上，還要檢查 FileVault、SQLCipher 與備份

本機儲存不等於資料庫預設個別加密：官方文件指出，自 0.21.0 起，本機資料預設是 plaintext SQLite，靜態保護主要依賴 macOS FileVault。需要資料庫層加密時，可在 Storage 設定 opt-in SQLCipher，key 存在 macOS Keychain。

Osaurus app data 位於 ~/.osaurus/，本機 MLX models 預設在 ~/MLXModels/。如果 Mac 帳號多人共用，或 FileVault 沒有開，務必先處理整機與帳號邊界。開啟 SQLCipher 之後也別忘了 recovery 問題，key 遺失可能讓資料無法取回。

備份是另一條風險線。官方卸載說明提醒，刪除 ~/.osaurus/ 不可逆，應先從 Storage 匯出 plaintext backup。既然叫 plaintext，就不要把它留在未加密的共享資料夾或隨手同步到不確定的雲端位置。匯出後先驗證能否讀取，再談刪除。

卡住時按 gate 排查，不要一次改五個設定

問題發生時依固定順序往下查，才能知道是哪一層壞掉：

來源與版本：確認 app 來自官網／current GitHub Releases，macOS 與 Apple Silicon 符合條件。
Server health：跑 osaurus status 與 health endpoint，先排除 local server 沒啟動。
模型容量：確認模型已完整下載，SSD 與 unified memory 還有餘裕。
Core Model：到 General 確認已選明確模型，別停在 Use chat model。
權限與資料夾：重新檢查 working folder，以及 agent 的 capabilities 是否真的需要。
Network：只有確定要用 cloud、remote MCP 或下載資源時才放行，並回頭看 Insights。

本機模型太吃資源，就換較小或低位元量化版本，維持 Strict 一次載入一個模型。Models 文件也允許透過 OSU_MODELS_DIR 把模型移到外接磁碟。若最後改走 cloud，這不算排錯失敗，只是資料邊界變了，前一節的五個開關要重新走一次。

什麼情況不該用 Osaurus？

Osaurus 很有意思，但下面任一項是你的必要條件，我會直接勸你先保留現有工具：

你需要 Windows、Linux 或跨平台一致工作流。
你只要 stable inference server，不需要 agent、memory 與 automation。
你只接受有獨立安全稽核或 penetration test 支撐的保證。
你無法管理模型空間、FileVault、權限與備份。
你必須依賴 hosted frontier model，卻又不能讓 prompt 或 context 出網。

完整繁中 UI 也是未知項目。截至查核日，官方文件與 repository 沒有足以支持「已完整繁中在地化」的承諾。對英文設定介面不舒服的人，先等官方狀態更明確，會比裝完才在敏感權限頁猜選項穩得多。

先通過最小任務，再決定要不要擴權

Osaurus 值不值得裝，答案不在「免費、本機、open source」三個標籤裡，而在你能不能說清楚這一輪資料去哪裡、agent 能碰什麼，以及出錯後怎麼復原。

如果你只想在 Mac 提供 local inference endpoint，保留 Ollama 或 LM Studio，省下管理 agent 權限的負擔。如果你確實需要持久 memory、tools 與自動化，就先用空白資料夾完成 README 驗收，記下模型、外連與權限，再把下一個可回復的 side project 交給它。第一次別求驚艷，先求每一步都看得懂。