ModelDock
声明本地运行条件
机器、模型文件、运行时、量化与上下文。
面向 Codex 的模型枢纽
在一个地方工作。
让各处能力协同完成任务。
继续在 Codex 中工作。ModelDock 把你选择的模型——原生 GPT、托管服务商和本地引擎——与任务所需工具接入同一个工作流，无需在应用之间手动搬运提示词、文件或结果。
本地桥接 Responses 流式传输、工具循环和长会话工作始终属于同一个任务。
01 / 模型选择
保留熟悉的工作方式。
接入你需要的路由。
ModelDock 不会用另一个聊天窗口取代 Codex。它让模型选择器在原生 GPT 旁呈现更多路由，因此无需离开现有环境，就能为任务选择合适的能力或成本方案。
02 / 能力
按任务需要，为模型配备相应能力。
快速文本模型可以调用图像理解；本地模型在配置工具后也能搜索、记忆、朗读、听写、生成内容或制作产物。能力以任务内工具的形式加入，而不是再增加一个需要协调的应用。
示例 视觉 · 网页搜索 · 记忆 · 语音 · 图像生成 · 视频制作
03 / 本地模型
接入本地引擎。
保持任务完整。
Ollama、llama.cpp、vLLM 和兼容的本地端点可从回环地址自动发现，也可通过 URL 添加。ModelDock 能显示本地模型是否适配、建议实用设置，并围绕任务呈现请求、上下文和延迟行为。
Ollamallama.cppvLLM兼容端点
04 / 硬件证据
在组装或购买之前，
先了解这台机器。
本地模型背后是一台真实机器：模型文件、量化、运行时、上下文、拓扑、功耗，以及你实际运行的工作负载。因此，基准与购买指南自然成为 ModelDock 的延伸——把本地配置转化为可用的性能证据和运行经济性。
实际运行表现
Prefill、decode、功耗与任务条件分别保留。
可比较来源
结果进入表格之前，先展示来源与测试条件。
运行选择
工作负载、时间和能耗共同转化为决策依据。