MetriLLM 是一款面向本地大语言模型用户的硬件适配评估工具，旨在解决「这台机器能跑什么模型」的核心痛点。用户只需指定模型名称，工具便通过标准化基准测试，从性能表现（tokens/秒、首 token 延迟、内存占用）与质量能力（推理、数学、编码、指令遵循、结构化输出、多语言）两大维度生成量化评分，并以 EXCELLENT / GOOD / MARGINAL / NOT RECOMMENDED 四级 verdict 直观判定适配性。
核心用法简洁：依托 npx 零安装运行，支持 Ollama 与 LM Studio 两大主流本地推理后端，完整评测耗时 1–5 分钟（7B+ 模型），--perf-only 模式可压缩至 30 秒快速摸底。输出为结构化 JSON，便于脚本集成；--share 选项可将结果匿名上传至社区排行榜，横向对比真实硬件环境下的模型表现。
显著优点包括：① 标准化测试集消除主观体感差异，提供可复现的量化依据；② 内存占用实测避免「能加载但跑不动」的陷阱；③ 社区 leaderboard 形成 crowdsourced 性能数据库，覆盖 CPU/GPU/内存组合长尾场景。
潜在局限：评测依赖已部署的本地推理后端，无法自动下载或配置模型；质量测试集虽覆盖多任务，但与权威学术基准（如 MMLU、HumanEval）并非同一套体系，分数不可直接横向对比；硬件探测粒度有限（无细粒度 GPU 显存占用曲线）。
适合人群：本地 LLM 爱好者、边缘设备开发者、硬件评测博主、需要在采购前验证配置可行性的企业 IT 决策者。
常规风险：工具需执行系统级命令读取硬件信息与启动模型推理，应确保来源为官方 npm 包（metrillm@latest）以避免供应链攻击；--share 上传数据虽声明不含个人信息，但仍会暴露模型版本、性能分数及硬件型号，敏感环境需谨慎使用。