More AI 与 LM Studio
More AI 与 LM Studio：考虑 Bionic、本地模型管理与兼容 API，用真实文档或代码任务替代过时的聊天功能表。
更新于 2026年9月14日
本文由 More AI 团队编写。竞争产品文档核实于 2026 年 9 月 14 日，未进行双方性能基准测试。套餐、预览功能和模型可用性可能变化。
LM Studio 目前将 Bionic 定位为工作和代码智能体。选择不再是聊天与智能体的二分，还包括 runtime 管理和任务方式。
工作流程与费用对比
| More AI | LM Studio | |
|---|---|---|
| 界面 | macOS、Windows 和 Linux 桌面应用 | 桌面 runtime、Bionic 与开发者 API |
| 模型访问 | 自带受支持服务商的密钥；兼容的本地 API | 本地模型及已说明的云端选项 |
| 费用 | 桌面免费；云端为订阅层，测试期间已开放功能免费；BYOK 用量另计 | 核对当前应用、云端套餐和具体模型条件 |
| 任务范围 | 统一 Home/Cowork 处理问题和文档，Code 独立处理代码仓库；桌面 0.1.50 起可用 | 下载并服务模型，与监督一个完整任务不同。runtime 测试看内存和响应；文档测试看可用文件和正确修订，不可互相替代。 |
LM Studio 目前提供什么
LM Studio 把本地模型 runtime、开发者 API 和 Bionic 结合起来。当前网站描述了文档编辑、编码与自动化，不能假定这些功能不存在。
More AI 是免费的桌面智能体：Home/Cowork 用于提问、文件和文档，Code 是独立的代码仓库工作区。统一 Home 已在 macOS、Windows 和 Linux 的桌面 0.1.50 及后续版本中提供；旧 Chat 对话仍可访问。More AI 是专有软件，桌面应用源代码尚未公开。
模型、访问方式与总成本
LM Studio 可以为其他兼容客户端提供模型服务。More AI 连接兼容本地端点时，两者属于不同层。应先核对协议和模型工具能力。
More AI 的 BYOK 用量按所选服务商的 API 价格计费。订阅面向云端执行和访问，不包含模型 token；测试期间已开放的云端功能免费。已登录账户可能另外获得有限的免费或推广额度，但目前未开放公开购买额度。估算一项任务时，要计入重试、工具调用和长上下文，而不只是一次回答。
任务如何完成
下载并服务模型，与监督一个完整任务不同。runtime 测试看内存和响应；文档测试看可用文件和正确修订，不可互相替代。
什么时候选择 LM Studio
如果重点是发现、下载和服务本地模型，或 Bionic 已满足任务，可以选 LM Studio。检查具体版本，不把新功能自动归给旧安装包。
什么时候值得试用 More AI
如果需要 More AI 的文档／仓库工作区及其他受支持云端服务商，可以保留兼容 runtime 再试用客户端。保留模型引擎不必绑定一个界面。
迁移前的实际测试
使用真实任务的副本，并在开始前确定验收标准。以下是建议的测试方法，不是已经完成的基准测试结果。
- 记录模型标识、量化和上下文，选择适合硬件的模型。
- 测试小范围文档修改和文件动作，检查导出结果。
- 评估离线时禁用依赖网络的工具，并分别检查同步和遥测。
- 记录应用版本、模型与服务商、设置、耗时、全部 API 费用、重试和人工修改。检查最终文件；运行结束并不能证明任务正确完成。
More AI 的账户与数据处理
使用自己的密钥或本地模型完成受支持的桌面任务时，账户是可选的。未登录时不会同步工作内容。登录后，新安装中受支持的同步类别默认开启，可逐项关闭。云端执行是独立开关，初始为关闭。
本地副本不等于全部处理都在本机。云端模型请求会发送给所选服务商。AI 可观测性默认可能发送有长度限制的提示、回答、推理和工具内容，包括 BYOK；会话回放可能看到已渲染的内容。可在 Privacy 中关闭 AI 可观测性和一般遥测。仅使用本地模型，并不能证明整个流程完全离线。
常见问题
试用 More AI 前需要卸载 LM Studio 吗？
不需要。兼容的 LM Studio 端点可继续提供本地模型。检查 API 与工具兼容性，不是每个模型都支持全部任务。
More AI 必须注册账户吗？
使用自己的密钥或模型完成受支持的本地桌面任务时，账户可选。云端功能、受支持的同步以及账户获配的模型额度需要登录。
More AI 免费吗？
桌面应用免费，BYOK 模型用量另行计费。测试期间已开放的云端功能暂时免费；云端是订阅层。这不表示无限免费 token。
相同模型会在两个应用中产生相同结果吗？
不会保证相同。上下文选择、指令、工具、文件修改方式和重试都会影响质量与成本。先在双方支持时使用相同模型测试，再比较各自推荐的工作配置。