选择语言:

🇺🇸en 🇩🇪de 🇫🇷fr 🇯🇵ja 🇨🇳zh 🇪🇸es 🇧🇷pt 🇸🇦ar 🇰🇷ko

PromptQuorum 上手测试 · Locally Uncensored (LU) · 2026年10月20日

24 GB Mac 上的 Locally Uncensored (LU)：聊天、文档对话、图像和编程代理集于一个应用

在 24 GB 内存的 Apple M4 Mac 上的首次试用：安装引导周到、功能面广，但 PDF、Word 和 Excel 文件没有被读取。

LU 主窗口，深色主题，标签页为 Chat、Create、Voice、Compare、Benchmark、Models、Settings，聊天输入区为空。 — 图 1设置完成后的主窗口。观察所得。

结论

总体评价

一款功能面很广、首次运行体验精心设计的应用。在这次测试中，聊天、最小模型上的本地图像生成和编程代理可用；文档对话不可用。视频、角色训练、隐私和卸载没有完成或未测试。

是否适合测试者的使用场景

测试者称它是他目前见过的最完整的单一本地应用，值得关注。他的笔记中没有说明他是否会继续使用。

观察LU 是一款面向 Mac 的一体化本地应用，带有聊天、图像、语音、对比、基准测试和编程代理等标签页。首次运行设置有三步，找到了机器上已有的七个模型。
观察聊天可用，编程代理也可用：它为一个乒乓球游戏写出了 index.html，内置预览显示游戏在运行并有比分。
观察测试中文档对话不可用：用回形针附加的 PDF（872 KB）和 Excel 文件没有被读取；在 Docs 区域添加的 Word 文件显示为 20 个文本块，但模型表示读不到内容。
观察本地图像生成在最小的模型 SD Turbo（512×512）上可用。第一个提示“大象坐在埃菲尔铁塔上”只生成了铁塔；第二次出现了大象，但是黑白的。
测量图像模型卡片标明了下载大小、内存需求和针对这台 Mac 的适配标签。在 24 GB 上，四个模型标为“Runs on this Mac”（16 GB 或以下），三个标为“Too big”（32 GB 或以上），其中包括角色训练所需的那个。
观察下载对话框显示百分比和 MB/s，但没有剩余时间；按约 1.1 至 1.2 MB/s 计算，2.4 GB 的模型大约需要 33 至 36 分钟。视频、角色训练、离线使用、隐私和卸载没有完成或未测试。
厂商声明开发者确认了 PDF 的问题，并表示会处理文档修复、Top P、Top K 和 Temperature 的说明、下载时间估计以及 Troubleshoot 窗口。这些均未验证；每一项都是待复测项。

评分卡状态： Partial

安装4/5小巧的安装包，三步设置，引擎就绪。搜索完整名称没有找到。
引导与模型选择4/5找到了已有模型并显示了大小；引擎的勾选无法取消。
核心功能4/5聊天和编程代理可用，入门模型的图像输出偏离提示，文档对话失败。
引导与迭代3/5内置说明和适配标签做得好；采样参数没有解释，Troubleshoot 窗口无法关闭。
性能不适用测试者未计时。应用报告了两个小模型的速度（LU-27、LU-28）。
文档不适用只看到了应用内的说明；链接的完整指南没有打开。
信任与隐私不适用未做审计。离线运行和云端数据流向没有测试（LU-30）。
卸载不适用未测试。

评分是根据下方证据得出的建议（1 = 差，5 = 很好）。核心功能一项已由测试者上调为 4；其余仍是报告作者的建议。n/a 表示未测试，不是零分。

测试详情

应用: Locally Uncensored，应用内显示为“LU by LU Labs” 观察
版本: 未记录。PromptQuorum 目录在其自己 2026-09-22 的评测中列为 3.0.2；测试者使用的版本可能不同。
来源: 按目录所述为厂商网站 locallyuncensored.com；具体下载页面未记录。
测试者: Hans Kuepper，PromptQuorum 创始人
开始时间: 2026年10月20日；开始时刻未记录。
结束时间: 未记录
硬件: Apple M4，24 GB 统一内存。笔记原写“M3, 24 GB”；测试者在草稿之后把芯片更正为 M4。是否为 M4 Pro 未说明。观察
系统: macOS 版本未记录。下载的一个 Python wheel 带有 macosx_14_0_arm64 标签，这只是最低要求，不是实际安装的版本。
测试原因: 笔记称，测试者希望 LU 不只是聊天，因为现在已有很多本地聊天前端。测试者观点
目标: 笔记中没有写明目标。笔记记录的是对安装、聊天、文档、图像和其他标签页的初步查看。
机器上的模型: 列出了七个已存在的模型：x/z-image-turbo、HSR-DeepThink/nwe、x/flux2-klein、gemma4、gemma3:1b、minimax-m2:cloud、qwen3-coder:30b。聊天测试使用了 gemma4 和 gemma3:1b。观察
使用的 AI 辅助: Claude 根据测试者的 Word 笔记和 45 张截图起草了本报告。测试过程中没有使用 AI 辅助的记录。观察
利益披露: 测试者创办了 PromptQuorum，这是一个关于本地 AI 应用的内容网站和目录；LU 在站内有目录条目，包含一篇由 AI 撰写的评测和开发者提供的创始人说明（2026-09-22）。测试者与开发者在 2026年9月有过交流，本次测试之后也有；开发者回复前已拿到测试笔记。LU 从本站获得点击。笔记中没有付款或赞助的记录。观察

每条陈述都带有标签：观察测量测试者估计厂商声明第三方假设测试者观点测试者失误标签含义

利益披露。 测试者创办了 PromptQuorum，这是一个关于本地 AI 应用的内容网站和目录；LU 在站内有目录条目，包含一篇由 AI 撰写的评测和开发者提供的创始人说明（2026-09-22）。测试者与开发者在 2026年9月有过交流，本次测试之后也有；开发者回复前已拿到测试笔记。LU 从本站获得点击。笔记中没有付款或赞助的记录。

原始笔记 PDF：待补充

左右这次测试的六个时刻

LU 设置第 1 步（共 3 步）：LU Engine 已勾选为就绪，有 Continue 按钮，以及使用 Ollama 或 LM Studio 等其他引擎的链接。

一个引擎，一个勾选设置的引擎步骤：LU Engine 已勾选为就绪，而且这个勾选无法取消。查看上下文

LU 设置第 2 步：机器上已有七个模型，其中 gemma4:latest 被选中，下方有两个可安装的入门模型。

已有模型被找到设置时没有询问，就列出了七个已有模型。查看上下文

只是一个文件名的 PDF对文档提问后的回复：模型读不到文本。查看上下文

六张图像模型卡片，标有下载大小、内存需求，以及“Runs on this Mac”或“Too big for this Mac's memory”标签。

下载前先看大小和适配图像模型卡片，标有下载大小、内存需求和针对这台 Mac 的适配标签。查看上下文

Z-Image Turbo 卡片：30.5 GB，需要 32 GB 内存，被标为对这台 Mac 太大，带 Try LU Cloud 和 Get anyway 按钮。

角色训练到此为止所需的模型 Z-Image Turbo 被标为对 24 GB 来说太大。查看上下文

编程代理的乒乓球游戏预览：黑色场地、两个白色球拍、黄色球、比分 5 比 4，以及 Desktop、Tablet、Mobile 切换。

内置的编程代理代理所写乒乓球游戏的预览。查看上下文

细节很重要。我见过很多想法很好的应用，但一深入就发现界面问题。
测试者笔记，由语音口述略作整理。两句都是他的个人判断，不是测量结果。

测试经过

条目与首次启动

测试者观点

测试者希望 LU 不只是聊天，因为现在已有很多本地聊天前端。

观察

安装包下载大小为 15.8 MB，由测试者从下载中读出。安装后他用完整名称找不到这个应用；它叫 LU。

观察

设置完成后，主窗口显示 Chat、Create、Voice、Compare、Benchmark、Models 和 Settings 标签页，顶栏有 Cloud 开关。

安装与设置

观察

第 1 步提供内置的 LU Engine，已勾选为就绪，带 Continue 按钮，下方有“Use another engine (Ollama, LM Studio...)”链接。测试者喜欢让用户自己选择的应用，但引擎卡片上的勾选无法取消。另一个引擎的链接没有尝试。

观察

第 2 步在没有询问的情况下列出了机器上已有的七个模型：x/z-image-turbo、HSR-DeepThink/nwe、x/flux2-klein、gemma4、gemma3:1b、minimax-m2:cloud 和 qwen3-coder:30b。他选了 gemma4。下方的两个入门模型带有说明、下载大小和所需的可用内存。

测试者观点

他在其他应用的入门模型上很少看到大小信息，认为这是加分项。

观察

第 3 步提供一个可选的文档对话嵌入模型（nomic-embed-text，84 MB），有 Install 和 Skip for now 两个选项。笔记没有说明选了哪个。

聊天与文档

观察

第一次聊天可用：发送第一条消息、模型加载时，“Starting”指示显示 18 秒。gemma4 回答柏林和巴黎哪个地铁站更多的问题时说“Paris generally has more”；测试者没有核对事实。

测量

消息框上方的上下文计量器显示用量（309/16K，之后为 4.2K/16K）。它的提示说明统计的是 Ollama num_ctx 的 token，不包括推理 token。

观察

他用回形针附加了一个 Excel 文件（.xlsx，84 KB）。模型根据文件名和工作表文件名（sheet1.xml 至 sheet6.xml）作答，并表示看不到内容。Docs 拖放区列出的是 PDF、DOCX 和 TXT，没有 Excel。

观察

用回形针附加的 PDF（872 KB）只被按文件名读取。就文档中的一笔金额提问时，回复说模型读不到文本，并让他复制粘贴相关部分。测试者起初写了“Yes, it understood the file”，几行之后自己做了更正。

观察

据他的笔记，同一个 PDF 通过 Docs 区域上传也失败了；没有截图。Docs 区域里的一个 Word 文件显示为 20 个文本块，但模型表示读不到 .docx 的内部内容。

测试者观点

他拿它与前沿模型比较，放弃了 PDF，并打算联系创始人。

图像生成

厂商声明

Create 标签页说，本地图像生成需要一次性设置，会安装 Apple MLX 和最小的图像模型，“about 5 GB in all”。测试者看到下载了一个 Python wheel（torch，88.0 MB）和 SD Turbo 模型（2.4 GB）；总量没有记录。

观察

下载对话框显示百分比、已下载 MB 与总 GB 以及 MB/s（32% 时 1.2 MB/s，100% 时 1.1 MB/s），但没有剩余时间。他离开该标签页、打开 Settings、遇到 Troubleshoot 窗口、重启应用，下载从已有进度继续。

观察

图像模型目录显示六张卡片，标有下载大小、内存需求和标签：4-bit 模型为“Runs on this Mac”，较大的为“Too big for this Mac's memory. Images run on LU Cloud”。

观察

SD Turbo 在 512×512 下对提示的遵循较松散。“draw an elephant sitting on the Eifel Tower”生成了铁塔，看不到大象；加上“a color please”后出现了大象，仍是黑白的。两次的种子不同，所以差异可能是种子造成的。

观察

他在这台机器上跳过了视频（一次性设置约 27 GB）。角色训练需要 Z-Image Turbo（30.5 GB，需要 32 GB），被标为对这台 Mac 太大；Character 标签页接受了照片，但在 24 GB 上训练无法启动。

设置、对比、基准测试和代理

观察

设置包括明暗主题切换（已使用）、导入 ChatGPT 导出、聊天备份、内容政策、隐私、更新和引导。采样滑块（Temperature 0.7、Top P 0.9、Top K 40）没有任何说明。

测试者观点

他希望这些滑块旁有信息图标，这样新手不必去别处查。在他的大幅显示缩放下，消息框显得很小，还有一条灰色横条横穿其上。

测量

A/B Compare 并排运行 gemma4 和 gemma3:1b，显示速度、用时和 token 数（gemma4 54.5 t/s，15.5 秒；gemma3:1b 23.9 t/s，0.4 秒）。Benchmark 把 gemma3:1b 排第一，“useful”速度为 109.4 t/s，正确率 67%；gemma4 为 56.9，正确率 100%。

观察

Coding Agent（gemma4）为一个乒乓球游戏写出了 index.html，内置预览（Desktop、Tablet、Mobile）显示游戏在运行并有比分。第一次回复没有说明文件在哪里；他追问后，代理把文件读了出来（248 行）。

开发者的回复

厂商声明

测试者发出笔记后，LU（LU Labs）的开发者用德语回复；回复日期未说明，此处为英文转述后的中文译述。测试者表示开发者同意发布（2026-10-24）。

厂商声明

他说这是他迄今收到的最详尽的测试。

厂商声明

他确认了 PDF 的问题：通过回形针只有文件名传到模型，内容没有传到，而 Docs 区域本应能处理 PDF。他会着手处理。

厂商声明

他还会处理 Top P、Top K 和 Temperature 的说明、下载的时间估计以及 Troubleshoot 窗口。

厂商声明

他说大多数用户通过 GitHub、Reddit 和在 Google 上找到的指南而来，持续数月的小版本发布和对反馈的快速回应最为重要。

观察

这些改动在本次测试中均未验证。每一项都是待复测项。

决定

测试者观点

笔记以总结结尾，没有写明是否继续使用。他称界面上花的心思和功能的整合令人惊叹，并说很多应用可以借鉴这些想法。他怀疑它在每项功能上是否都是最好的，也好奇一年之后它会变成什么样。

官方说法与测试者所见

说法	来源	所见	标签
“Private, local AI chat that works right away. No extra software to install.”	应用欢迎界面	设置后聊天可用。图像生成还需要另外下载。	观察
“Your chats stay on your machine.”	应用欢迎界面	未验证。离线运行和云端数据流向没有测试。	厂商声明
“LU runs its own engine on your machine. Nothing to install.”	设置第 1 步	引擎显示为就绪，并找到了已有模型。	观察
文档对话：拖入 PDF、Word 文档或文本文件，模型就能回答相关问题。	设置第 3 步	没有看到 PDF 或 Word 可用。	观察
图像设置：Apple MLX 和最小的模型，共约 5 GB。	Create 标签页	部分看到：一个 Python wheel（88.0 MB）和 2.4 GB 的模型；总量没有记录。	厂商声明
图像安装在后台运行，离开标签页后仍会继续。	下载对话框	已看到，包括应用重启后继续。	观察
卡片会标明哪些模型能在这台 Mac 上运行，哪些太大。	图像模型目录	已看到，并与测试者的 24 GB 一致。	观察
一个安装包里有聊天、代码、图像、视频和 LoRA。	PromptQuorum 目录标语	聊天、代码和图像已看到；视频没有运行；LoRA（角色训练）被挡住。	第三方
小版本发布，快速回应反馈。	开发者的消息	一次测试无法验证。	厂商声明

能装进 24 GB 吗？

24 GB 内存

SD Turbo（已安装在测试机上）需要 8 GB · 下载 2.4 GB 低于 24 GB 测量
FLUX.2 klein 4B 4-bit（标为 Experimental）需要 16 GB · 下载 4.3 GB 低于 24 GB 测量
Z-Image Turbo 4-bit需要 16 GB · 下载 5.5 GB 低于 24 GB 测量
Qwen-Image 2.1 4-bit（标为 Non-commercial）需要 16 GB · 下载 9.9 GB 低于 24 GB 测量
Z-Image需要 32 GB · 下载 19.1 GB 高于 24 GB 测量
Z-Image Turbo（角色训练所需）需要 32 GB · 下载 30.5 GB 高于 24 GB 测量
Qwen-Image 2512需要 64 GB · 下载 53.7 GB 高于 24 GB 测量

内存数字是应用对每个图像模型自己的说明，读自其界面；下载大小不等于运行时内存。应用界面上的其他条目：Qwen 2.5 7B Abliterated（聊天入门模型）4.4 GiB，约需 6 GB 可用内存；Qwen 3.5 9B Abliterated 5.2 GiB 加 0.9 GiB 图像输入，约需 6.1 GB 可用内存；nomic-embed-text（文档对话）84 MB，可在任何 CPU 上运行（厂商声明）；LTX-2.3 Distilled 4-bit 视频设置共约 27 GB，未显示内存需求。只运行了 SD Turbo；测试机为 24 GB。

使用记录

#	任务	模型	结果	用时	状态	图
1	聊天：柏林和巴黎，哪个地铁站更多？	gemma4	回答“Paris generally has more”；未核对事实	未记录	通过	-
2	Excel 文件摘要（回形针）	gemma4	内容未被读取	未记录	失败	图 6
3	PDF 摘要（回形针）	gemma4	先按文件名作答，随后表示读不到	未记录	失败	图 5
4	PDF 提问（Docs 区域）	gemma4	据笔记失败，无截图	未记录	失败	-
5	Word 文件提问（Docs 区域）	gemma4	显示为 20 个文本块，内容未被读取	未记录	失败	图 7, 图 8
6	图像：大象在埃菲尔铁塔上	SD Turbo, Standard	只有铁塔，看不到大象	未记录	部分完成	图 14
7	图像：同上，加“a color please”	SD Turbo, Standard	大象，黑白	未记录	部分完成	图 15
8	图像：海滩上的恋人，背后是落日	SD Turbo, High	彩色绘画风格图像，测试者没有评论	未记录	通过	图 16
9	A/B Compare：巴黎在哪里；用德语煮鸡蛋	gemma4, gemma3:1b	两个都作答；gemma3:1b 的位置答错	15.5 秒 / 0.4 秒（第一个提示）	通过	图 20
10	Benchmark，两个模型	gemma4, gemma3:1b	生成了排行榜	未记录	通过	图 21
11	编程代理：乒乓球页面	gemma4	已写出 index.html；预览可运行	截图时显示“Responding 26s”	通过	图 22
12	下载 SD Turbo（2.4 GB）	不适用	应用重启后安装完成	未记录	通过	图 11
13	视频设置	不适用	未开始	不适用	未完成	图 17
14	角色训练	不适用	被所需的模型挡住	不适用	未完成	图 18

测试者出错的地方

测试者失误以为 LU Engine 卡片上的绿色勾选可以取消。截图里勾选下方有“Use another engine”链接，没有尝试。
测试者失误对第一个 PDF 回答写了“Yes, it understood the file”。那个回答其实来自文件名；测试者几行之后自己更正了。
测试者失误测试了 Excel 文件，而 Docs 拖放区列出的格式（PDF、DOCX、TXT）并不包括它，却没有核对就把回复当成模型或应用的故障。
测试者失误把继续的下载写成“like 20%”。截图显示的是 30% 和 32%。
测试者失误仅凭一个 512 px 的入门模型来判断图像质量和对提示的遵循。应用列为可在本机运行的模型，如 FLUX.2 klein 4B 4-bit（4.3 GB），没有下载。
假设截图显示两次的种子不同，且第二张图里有大象，所以差异可能是种子造成的，而不是忘了前面的提示文字。这是推断。
测试者失误没有记录是否安装了可选的嵌入模型，这可能与文档读取失败有关。
测试者失误记录中的缺口：应用和 macOS 版本、结束时间、芯片名称（笔记写“M3”，测试者之后更正为 M4）、Docs 区域 PDF 尝试的步骤和截图、总下载时间、图像生成用时、显示缩放、卸载。

发现清单

编号	发现项	类别	标签	严重程度	图
LU-01	安装包下载大小为 15.8 MB，由测试者从下载中读出；没有截图。应用打开后是三步设置。	安装	观察	正面	-
LU-02	应用名为“LU”。搜索“Locally Uncensored”什么也没找到，直到测试者得知简称；笔记里不清楚他是怎么得知的。	安装	观察	低	-
LU-03	引擎步骤中“LU Engine”已勾选。点击勾选无法取消，只能点 Continue。按钮下方有“Use another engine (Ollama, LM Studio...)”链接，没有尝试（TE-1）。	引导	观察	低	图 2
LU-04	模型步骤在没有询问的情况下列出了机器上已有的七个模型。LU 如何找到它们，屏幕上没有说明；认为它读取了测试者的 Ollama 存储只是假设。	引导	观察	正面	图 3
LU-05	入门模型的卡片上带有说明、下载大小和所需可用内存（见适配图）。测试者拿它与不给出大小的应用对比（测试者观点）。	引导	测量	正面	图 3
LU-06	名为 x/z-image-turbo 和 x/flux2-klein 的模型出现在聊天模型选择器和标题为“7 text models”的 Benchmark 列表中。把它们当作图像模型只是依据名称（假设）。测试者没有评论；这是在查看截图时发现的。	引导	观察	低	图 3, 图 21
LU-07	设置第 3 步提供一个可选的文档对话嵌入模型（nomic-embed-text，84 MB），有 Install 和 Skip for now 两个选项。笔记没有说明选了哪个（TE-7）。	引导	观察	提示	图 4
LU-08	发送第一条消息、模型加载时，“Starting”指示显示 18 秒。该数值取自截图；最终用时没有记录。	聊天	观察	提示	-
LU-09	消息框上方的上下文计量器显示用量（309/16K，之后为 4.2K/16K）。提示说明它统计的是 Ollama num_ctx 的 token，不包括推理 token。测试者观点：“somebody has spent some time to develop something real”。	聊天	测量	正面	图 9
LU-10	用回形针附加的 Excel 文件（.xlsx，84 KB）没有被读取。模型根据文件名和工作表文件名（sheet1.xml 至 sheet6.xml）作答，并表示看不到内容。.xlsx 不在 Docs 拖放区列出的格式之中（TE-3）。	文档	观察	中	图 6
LU-11	用回形针附加的 PDF（872 KB）没有被读取。第一个回答来自文件名；就文档中的一笔金额提问时，回复说读不到文本，并请他复制粘贴（TE-2）。	文档	观察	高	图 5
LU-12	据测试者的笔记，同一个 PDF 通过 Docs 区域上传同样失败。没有截图。	文档	观察	高	-
LU-13	在 Docs 区域添加的 Word 文件显示为“20 chunks”，但模型回复说读不到 .docx 的内部内容。原因未查明；是否安装了嵌入模型没有记录（LU-07）。	文档	观察	高	图 7, 图 8
LU-14	生成第一张图之前，Create 标签页说一次性设置会安装 Apple MLX 和最小的图像模型，“about 5 GB in all”。测试者看到下载了一个 Python wheel（torch，88.0 MB）和 SD Turbo 模型（2.4 GB）；总量没有记录。	图像	厂商声明	正面	图 10
LU-15	下载对话框显示百分比、已下载 MB 与总 GB 以及 MB/s（32% 时 1.2 MB/s，100% 时 1.1 MB/s），但没有剩余时间。按这些速度，2.4 GB 约需 33 至 36 分钟，5 GB 约需 70 至 76 分钟（计算所得，假设速度恒定）。到 100% 时对话框仍停留，速度还在变化，之后才出现 Installed；耗时没有记录。	图像	观察	中	图 11
LU-16	对话框说安装在后台运行，离开标签页后仍会继续（厂商声明）。测试者离开了标签页、打开了 Settings、重启了应用，下载从已有进度继续；Models 标签页显示了同样的进度（TE-4）。	图像	观察	正面	图 11
LU-17	图像模型卡片显示下载大小、内存需求和针对这台 Mac 的适配标签（“Runs on this Mac”，或“Too big for this Mac's memory. Images run on LU Cloud”），还有 Get anyway 按钮。数字见适配图。	图像	测量	正面	图 13
LU-18	被标为太大的模型会显示“Try LU Cloud”提示。按开发者在 PromptQuorum 目录中的说法，云端部分是可选的，按积分计费。没有使用或测试。	图像	观察	提示	图 18
LU-19	用入门模型 SD Turbo（512×512），第一个提示“draw an elephant sitting on the Eifel Tower”生成了铁塔，看不到大象。第二个加上“a color please”，出现了大象，但仍是黑白的。两次的种子不同（99713826、1101006993）。测试者观点：“technically it works, but the model does whatever it wants”。他认为追加文字会让模型忘记之前的文字，这个猜测没有重现（TE-5、TE-6）。	图像	观察	中	图 14, 图 15
LU-20	内置的“How Image works on a Mac”说明（HiRes pass、Prompt enhancer）以弹窗形式打开，带有完整指南的链接，该指南没有打开。测试者观点：“inbuilt instructions, great”。	图像	观察	正面	图 12
LU-21	Video 标签页提供一次性设置（LTX-2.3 Distilled 4-bit 及其文本编码器），约 27 GB。测试者没有在这台 Mac 上运行。	图像	厂商声明	提示	图 17
LU-22	角色训练需要 Z-Image Turbo（30.5 GB，需要 32 GB，被标为对这台 Mac 太大）。Character 标签页接受了照片（计数 6/100；截图因涉及真人而未公开），但在 24 GB 上训练无法启动。4-bit 版 Z-Image Turbo 没有尝试。测试者估计系统和应用占用 7 至 8 GB，这是假设。	图像	观察	中	图 18
LU-23	采样设置（Temperature 0.7、Top P 0.9、Top K 40）没有说明。测试者希望加上信息图标，让新手不必去别处查。	设置	测试者观点	中	图 19
LU-24	Settings 里的 Troubleshoot 打开了一个测试者无法关闭的跟踪窗口；他重启了应用。原因未查明。	设置	观察	中	-
LU-25	设置包括明暗主题切换（找到并用过）、导入 ChatGPT 导出（.zip 或 .json）、聊天备份的导出和导入、内容政策、隐私、更新和引导。只用了主题切换。	设置	观察	正面	-
LU-26	在测试者的大幅显示缩放下，消息框很小，一条灰色横条横穿其上；他不清楚它的含义。缩放设置没有记录。	设置	测试者观点	低	图 1
LU-27	A/B Compare 并排运行两个模型，显示速度、用时和 token 数：针对“where is Paris”，gemma4 54.5 t/s、15.5 秒、846 个 token；gemma3:1b 23.9 t/s、0.4 秒、9 个 token。gemma3:1b 把巴黎放在北美；这是模型的错误，不是应用的错误。	对比	观察	正面	图 20
LU-28	Benchmark 按用正确率加权的“useful”token 每秒对模型排名：gemma3:1b 109.4（原始 164.1，正确率 67%），gemma4 56.9（正确率 100%），共六次运行。应用判定“correct”的方法和“Benchmark 5 remaining”计数器没有检查。	对比	测量	正面	图 21
LU-29	Coding Agent（gemma4）为一个乒乓球游戏写出了 index.html，内置预览（Desktop、Tablet、Mobile）显示游戏在运行并有比分。第一次回复没有说明文件在哪里；测试者追问后，代理把文件读了出来（248 行）。权限模式有 Ask、Bypass 和 Plan。测试者是否玩过这个游戏没有记录。	代理	观察	正面	图 22, 图 23
LU-30	云端功能与本地功能并列：顶栏的 Cloud 开关、LU Cloud 提示，以及模型列表中的 minimax-m2:cloud 条目。是否有数据离开本机没有测试。欢迎界面的“Your chats stay on your machine”是厂商声明。	信任	观察	提示	图 1
LU-31	产品的核心卖点——没有内容过滤和 Abliterated 入门模型——没有测试。全程使用的是标准 gemma4 模型，Content policy 设置没有打开。	范围	观察	提示	-

严重程度指对首次使用者的影响，是建议值，不是测量值。Info 表示既不是问题也不是优点的发现。

适合谁

可能适合

假设已有 Ollama 模型、想在一个地方使用聊天、编程代理和入门级图像生成的 Mac 用户（基于一次测试的假设）。应用自己的标签把 4-bit 图像模型的需求定为 16 GB。

可能不适合

测试者观点现在就需要文档对话的人，或想在 24 GB 上做角色训练和使用完整大小图像模型的人。

复测。 待开发者发布文档对话修复、采样说明、下载时间估计或 Troubleshoot 的改动，或有新的主版本时复测。覆盖：通过两种途径上传 PDF、4-bit 图像模型、视频、离线使用、卸载，并记录应用和 macOS 版本。

这个工具什么都有，还有一些你不会指望在这类工具里出现的功能。
测试者笔记，由语音口述略作整理。两句都是他的个人判断，不是测量结果。

常见问题

Locally Uncensored 的文档对话能用吗？

测试中不能。用回形针附加的 PDF（872 KB）和 Excel 文件只被按文件名读取；在 Docs 区域添加的 Word 文件显示为 20 个文本块，但模型表示读不到内容。测试者还说，通过 Docs 区域上传 PDF 同样失败。开发者确认了 PDF 的问题，并表示会着手处理；这一点尚未验证。观察

24 GB 的 Mac 上，LU 能运行哪些图像模型？

按应用自己的卡片标注，SD Turbo（需要 8 GB）和三个 4-bit 模型（FLUX.2 klein 4B、Z-Image Turbo、Qwen-Image 2.1，各需 16 GB）标为“Runs on this Mac”；Z-Image（32 GB）、Z-Image Turbo（32 GB）和 Qwen-Image 2512（64 GB）标为太大。测试中只运行了 SD Turbo。测量

LU 能在 24 GB 的 Mac 上训练角色吗？

测试中不能。角色训练需要 Z-Image Turbo（30.5 GB，需要 32 GB 内存），应用提示它对这台 Mac 来说太大。Character 标签页接受了照片，但训练无法启动。4-bit 版 Z-Image Turbo 没有尝试。观察

LU 有编程代理吗？

有。用 gemma4 运行的 Coding Agent 为一个乒乓球游戏写出了 index.html，内置预览（Desktop、Tablet、Mobile）显示游戏在运行并有比分。权限模式有 Ask、Bypass 和 Plan。观察

首次图像设置要多久？

应用不显示剩余时间，只显示百分比和 MB/s。按所见的 1.1 至 1.2 MB/s 计算，2.4 GB 的 SD Turbo 模型大约需要 33 至 36 分钟；实际总时间没有计时。观察

LU 能找到我已有的模型吗？

测试中可以：设置第 2 步在没有询问的情况下列出了机器上已有的七个模型。LU 是如何找到它们的，屏幕上没有说明。观察

LU 能离线使用并保护聊天隐私吗？

未测试。“Your chats stay on your machine”是欢迎界面的说法。应用还有 Cloud 开关、LU Cloud 提示，以及模型列表中的一个云端模型条目；是否有数据离开本机没有检查。厂商声明

开发方背景

非实测内容。以下条目来自 PromptQuorum 目录中的 LU 条目和开发者，此处未独立核实。

第三方LU Labs；目录条目中开发者名为 David。
第三方许可证 AGPL 3.0，免费增值；约 1,750 个 GitHub star，首次收录于 2026-09-04，数据来自 2026-09-22 的目录核查（已超过一个月）。
厂商声明可选的云端部分按积分计费；开发者 2026-09-22 的说明称 Mac 版在计划中，而测试者于 2026-10-20 运行的就是 Mac 版。