GitHub Copilot 替代品：6 款支持本地模型的工具（2026）

如果你正在找 GitHub Copilot 替代品，先看清 2026 年 6 月的一项关键变化：GitHub Copilot 的“本地模型”边界已经不同——VS Code 如今无需 GitHub 账号或 Copilot 套餐，也能离线运行聊天和 Agent 工作流；但标准行内建议仍然无法由本地模型生成。因此，真正值得迁移的理由只剩 3 个：本地 Tab 补全、集中式自托管，或更强的 Agent 工作流。即使选择最便宜的付费团队替代方案，10 个席位在计入硬件和运维前，每年也只省 $480。

结论先说：Zed 是最完整的 GitHub Copilot 替代品

如果编码 Agent 和行内建议都必须运行在自己掌控的基础设施上，Zed 是最佳 GitHub Copilot 替代品。 如果不能更换编辑器，Kilo Code 更合适。在 VS Code 内，Cline 是最强的专注型本地 Agent；需要集中管理补全服务器时，应选 Tabby；偏好 Git 优先的终端工作流，首选 Aider；需要覆盖最多使用界面，则看 OpenCode。

其实还有第 7 个答案：不换。如果本地聊天和 Agent 已经够用，目前的 VS Code 本身就能连接 Ollama 等本地提供商。只有确实补上某项缺失能力，替代工具才有引入价值。

下文的价格、限制、试用条款和产品能力，均已于 2026 年 8 月 25 日对照各厂商在线页面核实。“起价”指软件或平台费用；本地模型仍可能带来硬件、电费、部署和维护成本。

换工具前，先看清 VS Code 已能在本地完成什么

VS Code 本身如今已经是可用的本地模型宿主，但它只覆盖 Copilot 体验的一半。 Microsoft 的 2026 年 6 月 BYOK 更新，让 VS Code 可以连接 Ollama、Foundry Local 和兼容的模型提供商，用于聊天及受支持的 Agent 工作流。无需登录 GitHub，也不用订阅 Copilot，完全离线也能使用。

这并不意味着 GitHub Copilot 成了本地托管产品。真正发生的是：VS Code 充当应用层，为模型提供工具、上下文和交互循环。模型可以在本地运行，编辑器则负责聊天与 Agent 界面。

要让比较不走样，先明确 4 个概念：

• 本地模型：推理发生在你的电脑或你控制的设备上。
• 自托管模型：模型端点运行在你控制的基础设施内；它可以位于另一台机器或私有云中，不一定在开发者的笔记本上。
• Agent：模型能在应用的权限体系下检查文件、修改多个文件，并调用终端等工具。
• 行内补全：输入代码时出现的幽灵文本或多行建议，通常按 Tab 接受。

缺口恰恰是最后一项。Microsoft 当前的语言模型文档 明确指出，BYOK 适用于聊天和实用任务，不适用于标准行内建议。语义搜索及依赖嵌入的功能也仍然依赖 GitHub 或 Copilot 支持。VS Code 提供了扩展 API，其他产品可以借此实现自定义补全；但其内置的本地模型路径不会把行内建议交给 Ollama。

于是，以往笼统的“本地 Copilot 替代品”问题，应拆成两个更具体的问题：

1. 是否希望本地模型在可见的 Agent 循环中规划并修改代码？
2. 是否还要求输入时出现的每一条建议都由本地生成？

如果第 2 个问题的答案是否定的，再装一个扩展可能只会增加复杂度，并不会提升隐私。直接在 Language Models 编辑器中配置并连接本地提供商，为聊天或受支持的 Agent 任务选择模型，同时保留现有编辑器即可。如果答案是肯定的，Zed、Kilo Code 或 Tabby 才值得考虑，因为它们都明确提供本地补全路径。

判断“离线”能力时也要做同样的区分。本地聊天可以断网运行，但仓库搜索、扩展更新、远程源码管理操作或托管式嵌入服务仍可能访问外网。“模型在本地”和“整个开发环境物理隔离”不是一回事。

你究竟在替代哪档 Copilot 价格

GitHub 当前的个人套餐包括 Free、Student、每月 $10 的 Pro、每月 $39 的 Pro+，以及每月 $100 的 Max。Free 每月最多提供 2,000 次行内补全，Student 对通过验证的学生免费。组织套餐则是每个已分配席位每月 $19 的 Business，以及每席位每月 $39 的 Enterprise。

GitHub 的在线套餐页面还注明，自 2026 年 4 月 22 日起，GitHub Free 和 GitHub Team 组织新开通自助式 Business 的入口已暂时关闭。这不会改变以 $19 为基准的价格比较，却可能改变实际采购路径。评估替代方案时，应对比组织当前能买到的套餐，而不是记忆中的结账流程。

这些 GitHub Copilot 替代品是怎样筛出来的

只有厂商当前文档明确提供受支持的本地模型编码工作流，产品才会入选。 仅仅能在理论上修改仓库、让它调用本地端点，不算合格。即使云端助手的隐私条款很强，只要推理仍发送到自家服务，也不算。

这 6 款产品按 5 项标准评估：

1. 覆盖范围： 本地模型能用于 Agent、行内补全，还是两者都支持。
2. 部署清晰度： 厂商是否明确记录 Ollama、LM Studio、llama.cpp、OpenAI 兼容端点或自托管服务器的配置方法。
3. 工作流契合度： 产品运行在编辑器、终端、桌面应用，还是中心服务中。
4. 落地瓶颈： 正式部署最先撞上的限制，例如迁移编辑器、补全模型固定、硬件门槛、单 GPU 限制或缺少身份管理能力。
5. 总成本： 所有公开的软件套餐费用，再加上套餐外的算力或推理开销。

本文不声称做过实机性能测试。本地延迟和输出质量受到模型大小、量化方式、上下文长度、GPU 显存、仓库结构和具体任务的影响，单台笔记本的结果不能代表整个品类。因此，排名依据的是当前受支持的能力、准确价格、文档限制和标准化成本分析。

这套方法也排除了几个熟悉的名字。云端编码助手不会因为免费套餐大方，就自动成为本地模型替代品。Continue 没有进入排名，是因为其在线主页如今写明已被 Cursor 收购，并把保留下来的开源代码定位为基础，而非适合新部署、仍受支持的独立产品。仅这一项变化，就足以让不少旧版“本地 Copilot”榜单过时。

如果想了解更广泛的云端与本地工具版图，可阅读 2026 年最佳 AI 编程助手对比。本文刻意缩小范围：每款上榜产品都必须有文档明确的本地推理路径。

1. Zed：最完整的本地 Copilot 替代方案

Zed 是最强的完整替代方案，因为它明确支持 Agent 和 Edit Prediction 系统同时使用本地模型。 Edit Prediction 是 Zed 的行内补全层，既能生成单行建议，也能生成多行建议。这种双重覆盖并不常见，也消除了许多“支持 Ollama”宣传中的模糊之处。

Zed 是完整的代码编辑器，不是 VS Code 扩展。Agent、Inline Assistant 及相关 AI 功能可以通过 Ollama、LM Studio、llama.cpp 或兼容的本地服务器运行模型。另有一套独立的本地 Edit Prediction 配置，支持 Ollama、vLLM、llama.cpp server、LocalAI，以及其他实现 OpenAI completion API 的服务器。

对既想把两条工作流都留在本地、又不介意更换编辑器的个人开发者来说，这套架构让 Zed 成为最干净利落的答案。但它也是本文迁移成本最高的选择。正式切换前，必须逐一核对扩展、快捷键、远程开发习惯、调试功能和团队约定。

最适合： 希望在同一个编辑器里使用本地 Agent 与本地行内补全的开发者。
突出优势： Agent 和 Edit Prediction 都有文档明确的本地路径。
价格： Personal 永久 $0；Pro 每月 $10；Business 每席位每月 $30；Pro 所含 $5 用完后的托管用量，按 API 标价加 10% 收费。
免费试用： Pro 可试用两周，或用完 $20 试用 token 额度为止；Business 不提供免费试用。

Zed 价格背后的隐性边界

Zed Personal 永久 $0，包含 2,000 次已接受的托管 Edit Prediction，并可通过自己的 API 密钥或外部 Agent 无限使用。Zed Pro 每月 $10，包含无限 Edit Prediction 和 $5 托管 token；超出后按 API 标价加 10% 计费。Zed Business 每席位每月 $30，提供全组织模型策略、数据控制、统一支出视图、无限 Edit Prediction 和基于角色的访问控制。

“Business”这个名字容易让人产生错误预期。该套餐没有固定 LLM 额度，不提供免费试用，目前也没有 SSO、SAML 或 SCIM。它没有最低席位要求，不过订单表单从 25 个席位起。对高度依赖企业身份体系的部署而言，缺失的 SSO 系列能力，可能比产品完整的本地模型支持更关键。

按 10 个席位计算，Zed Business 在模型用量和本地算力之外，每年费用为 $3,600。相同席位数的 Copilot Business 是 $2,280；仅平台费，Zed 就多出 $1,320。选择它的理由应是编辑器设计和完整的本地控制，而不是节省许可证费用。

小教程：通过 Ollama 运行 Zed Agent 与 Edit Prediction

Zed 把两条本地路径分别写在文档中。部署时也要分开验证，避免 Agent 能正常工作，就误以为行内预测同样已经本地化。

1. 1

   启动本地运行时

   安装 Ollama，按照 Zed 的 Agent 示例运行 ollama pull mistral；如果服务没有自动启动，再运行 ollama serve。Zed 应能发现已拉取的 Ollama 模型，并在模型选择器中显示。

2. 2

   选择 Agent 模型

   打开 Agent 面板，选择刚发现的 Ollama 模型，先执行一个范围明确的只读任务，例如解释某个模块。通过所选提供商和本地进程活动确认，请求确实发往 Ollama。

3. 3

   单独配置 Edit Prediction

   打开 Zed 的 edit_predictions 设置。厂商示例把提供商设为 ollama，端点设为 http://localhost:11434，模型设为 qwen2.5-coder:7b-base，prompt 格式设为 infer，最大输出 token 设为 512。

4. 4

   分别验证两条路径

   在非关键测试机上断开网络。先发送一条 Agent prompt，再在有代表性的文件中输入代码，确认 Edit Prediction 会出现。如果 Agent 测试通过而补全测试失败，就说明只有一半部署实现了本地运行。

具体模型应与机器和任务匹配。这个教程的价值在于分别验证两条路径，而不是示例模型本身。即使补全结果尚可，只要本地模型不能可靠调用工具，它依然不适合充当 Agent。

2. Kilo Code：留在 VS Code 和 JetBrains 的最佳本地方案

如果编辑器不能换，同时又需要本地 Agent 和本地行内补全，Kilo Code 是最合适的选择。 它的开源扩展覆盖 VS Code 和 JetBrains，CLI 则补上终端入口。相比迁移到 Zed，改动小得多；产品也明确支持 Agent 连接本地 Ollama，并通过 Ollama 或 LM Studio 运行本地 Codestral 自动补全。

不过，这项优势附带两个限制。Kilo 的自动补全模型目前固定为 Codestral，所以“本地补全”并不等于可以任意选模型。其 Agent 指南还给出了不低的硬件预期：推荐的本地模型若想达到尚可的速度，需要 24 GB 或更多 GPU 显存，或者一台拥有 32 GB 或更多统一内存的 Mac。

Kilo 自己的文档对质量问题相当坦率。它推荐用 qwen3-coder:30b 处理 Agent 工作，也列出 devstral:24b 作为备选；同时提醒，较小的 Qwen 模型比前沿云端模型更容易漏掉工具调用、陷入循环或产生语法错误。文档建议至少使用 32k 上下文窗口，并注明默认 API 超时时间为 10 分钟。这些都是实际运维要求，不是可忽略的脚注。

最适合： 希望在 VS Code 或 JetBrains 中使用本地 Agent，并拥有受支持本地补全路径的用户。
突出优势： 在熟悉的编辑器内同时获得两种本地工作流，迁移幅度最小。
价格： Individual $0；Teams 每位用户每月 $15；Enterprise 定制报价；推理和云端算力另计。
免费试用： Enterprise 试用 14 天。

Kilo 的价格由 3 张账单组成

Kilo 的平台套餐为 $0 的 Individual、每位用户每月 $15 的 Teams，以及定制价格的 Enterprise。Teams 增加分析、共享 Agent 模式、集中结算、共享 BYOK、隐私控制和优先支持。Enterprise 进一步提供 SSO、OIDC、SCIM、审计日志、提供商限额、私有网关 BYOK、SLA 承诺和专属支持。14 天试用会开放 Enterprise 功能，结束后客户再选择 Teams 或 Enterprise。

推理是另一项单独决策。使用 Auto Free、BYOK 或本地模型时，Kilo 平台的月度推理费为 $0。Kilo Gateway 不收订阅费，完全按提供商原价计费，不加价。Kilo Pass 的 Starter 每月 $19，月度额度最高 $26.60；Pro 每月 $49，最高 $68.60；Expert 每月 $199，最高 $278.60。购买额度另收 5% 手续费。

云端功能构成第 3 张账单。Code Review 每小时 $0.33。Cloud Agent Docker 和 Small 均为每小时 $0.60。Gas Town 和 Cloud Agent Standard 均为每小时 $1.20。这些功能按秒计费，模型推理费用依然另算。

对于 10 名开发者，Kilo Teams 每年 $1,800，Copilot Business 则是 $2,280。两者相差的 $480 就是本地成本上限：额外硬件与管理费用一旦超过每月 $40，表面上的平台节省便会消失。哪怕只让一位工程师花几个小时维护本地服务，也可能突破这个上限。

3. Cline：VS Code 中最透明的本地 Agent

如果需要在 VS Code 内使用本地、逐步审批的编码 Agent，Cline 是最专注的选择。 它会明确展示 Agent 的文件改动、终端操作和模型提供商选择，个人使用无需支付平台订阅费。本地接入路径也有完整文档，支持 Ollama、LM Studio 和 Atomic Chat。

Cline 并不能替代 Copilot 的所有工作。它的核心产品是 Agent，而不是第一方 Tab 补全。如果目标是打字时获得本地幽灵文本，就要为它另配一个补全扩展，或者选择 Zed、Kilo Code 或 Tabby。第二个扩展或许仍是合理设计，但这意味着需要管理两套策略、两条更新路径，甚至两个模型服务器。

Cline 最适合这样的开发者：把一个边界明确的问题交给本地模型，逐项检查它准备执行的操作，同时保留现有 VS Code 环境。更像是“追踪这个失败测试并提出补丁”，而不是“每次按键都预测接下来的 6 个 token”。这种交互比 Copilot 补全更慢、更审慎，却能接管多文件任务中的更多环节。

最适合： 希望在 VS Code 中获得可见、可控本地 Agent 循环的用户。
突出优势： 免费的个人 Agent 界面、本地运行时文档齐全，而且不强制订阅。
价格： Open Source 免费；Enterprise 定制报价；推理需自行提供。
免费试用： 未列出 Enterprise 试用；可通过开源层完成评估。

Cline 的价格与硬件阶梯

Cline Open Source 对个人开发者免费，没有订阅费或席位费；但除非开发者自带密钥或运行本地模型，否则托管推理仍按用量计费。免费层列出的能力包括 VS Code 扩展和 CLI、安全的客户端架构、MCP marketplace、多根工作区及社区支持。

Cline Enterprise 采用定制价格。它增加 JetBrains 扩展、SSO、SLA、专属支持、集中计费、配置管理、基于角色的访问控制、推理提供商限制、团队仪表盘和身份验证日志。在线价格页没有列出 Enterprise 免费试用。

相比 $0 的平台价格，硬件指南更能说明真实边界。Cline 把 16 至 32 GB 内存对应到小型或量化模型，32 至 64 GB 对应中型模型，64 GB 以上则适合更大的模型和上下文窗口。Ollama 的默认本地端点是 http://localhost:11434，LM Studio 则是 http://localhost:1234。

试点应围绕这套硬件阶梯设计。16 GB 笔记本或许足以证明连接可用，却可能因为生成太慢、上下文太浅或工具调用太弱，而无法完成目标工作流。只有目标模型能读取足够多的仓库内容，并在团队可接受的等待时间内完成代表性任务，部署才算准备就绪。

Cline 在混合本地方案中的位置

一种实用拆分方式是：Cline 负责明确的 Agent 会话，专门的本地补全提供商负责输入流。它可能优于让一个通用模型包办全部工作，因为 Agent 需要工具调用和长上下文推理，补全则看重低延迟和 fill-in-the-middle 训练；代价是运维重复。

对个人开发者来说，这种重复也许只是多改几项设置；对公司而言，则意味着两套获批模型、两套端点策略、两次遥测审查和两条回滚路径。企业级编码 Agent 对比会进一步讨论治理，但当下对 Cline 的判断很简单：如果 Agent 过程透明比一款产品覆盖所有能力更重要，就选它。

4. Tabby：最佳集中式自托管补全服务器

如果首要任务是用集中运维的自托管服务替代 Copilot 补全，Tabby 是最佳选择。 这款开源编程助手的核心，是由团队运行自己的 LLM 补全服务器。开发者通过编辑器扩展连接，组织则掌控背后的服务。

这种以服务器为中心的设计，与运行在笔记本上的本地 Agent 属于不同产品类别。当 10 名或 50 名开发者需要共享获批模型、仓库上下文、访问控制和可观测能力，而不是每人各自运行 Ollama 时，它会很有价值。相应地，服务可用性、升级、GPU 容量、身份验证和事件响应，也都转由组织负责。

Tabby 最适合受监管或高度关注隐私的工程团队：他们更重视集中式补全，而不是 Agent 的自主操作。Answer Engine 和代码浏览扩大了能力边界，但相比桌面优先的 Agent，补全仍是选择 Tabby 的核心理由。个人也能运行 Community，不过 Aider、Cline、Kilo Code 或 Zed 通常需要更少基础设施。

最适合： 希望使用一台受控自托管补全服务器的团队。
突出优势： 集中式、本地优先的部署方式，同时提供编辑器扩展和团队套餐。
价格： Community 每位用户每月 $0；Team 每位用户每月 $19；Enterprise 定制报价；Pochi 云端用量另计。
免费试用： 未列出限时 Team 或 Enterprise 试用；Community 最多支持 5 名用户。

Tabby 的价格：隐私提升，但许可证不打折

Tabby Community 每位用户每月 $0，最多支持 5 名用户。Tabby Team 每位用户每月 $19，最多支持 50 名用户。Tabby Enterprise 定制价格、按年计费，提供不限用户数、SSO、定制部署、专属 Slack 支持频道和路线图优先级。

Tabby Cloud 的 Pochi 另按模型用量计费。在线价格页列出每月 $20 免费额度；使用额超过 $10 时自动扣费，低于该金额则在月底结算；页面还说明 Tab Completion 永久免费且不限用量。不要把这项云端服务与自托管服务器的算力成本混为一谈。

按 10 个席位计算，Tabby Team 与 Copilot Business 的平台费同为每年 $2,280，Tabby 还要另配基础设施。文档给出的参考值是：以 int8 模式运行 CodeLlama-7B 约需 8 GB 显存，而且单个实例只支持 1 块 GPU。服务器的确切成本取决于硬件所有权、利用率、冗余和支持要求，但结论很明确：购买 Tabby 是为了控制权，不是为了更便宜的许可证。

单 GPU 瓶颈

每个 Tabby 实例只能使用 1 块 GPU，这是部署前必须规划的运维瓶颈。一块 GPU 对小团队可能绰绰有余，但多人在同一时段集中编码时，就可能出现排队。此时扩容需要增加实例并设计路由，而不是给单个实例挂更多 GPU。

测试时，应测量使用高峰下首次补全出现的时间和补全接受量，而不是只看服务器空闲时的表现。平均速度很快，也可能掩盖糟糕的 P95 体验，久而久之开发者会直接忽略建议。还要测试模型重载、扩展降级行为，以及服务不可用时会发生什么。补全的价值之一，是无感融入输入过程；任何反复出现的等待都会毁掉这种优势。

5. Aider：最佳 Git 原生终端工作流

如果希望由仓库和 Git 历史而不是编辑器界面来组织 Agent 会话，Aider 是最佳本地模型替代方案。 它在终端中运行，会构建代码库地图、修改文件、自动提交变更，还能运行 linter 和测试。这款 Apache-2.0 软件没有平台订阅费。

它的工作流非常具体：进入仓库，添加相关文件或让仓库地图引导上下文，提出修改要求，检查 diff，再通过 Git 保留或撤销变更。已经习惯信任终端和版本控制原语的开发者，会觉得 Aider 很顺手；如果期待侧边栏 Agent、可视化检查点和输入时的后台补全，它就没那么自然。

Aider 几乎可以连接任何云端或本地 LLM，包括 Ollama。其 Ollama 文档建议使用 ollama_chat/ 模型前缀，并特别指出一个隐蔽问题：Ollama 默认上下文窗口为 2k，超出部分会被静默丢弃。会话表面上可能仍在工作，实际上却已失去仓库上下文，这比直接报错更危险。

最适合： 想用 Git 组织本地 Agent 工作的终端优先型开发者。
突出优势： 在同一个开源循环中提供仓库地图、自动提交、diff、lint 和测试。
价格： Apache-2.0 软件 $0；模型用量或本地算力另计；没有付费平台套餐。
免费试用： 不适用，因为软件本身免费且开源。

Aider 的价格与个人用户的 $120 上限

Aider 没有 Personal、Pro、Team 或 Enterprise 平台套餐。软件采用 Apache 2.0 许可证，完全免费；账单来自模型提供商，或运行模型的机器。

替代一份每月 $10 的 Copilot Pro 订阅，每年最多只省 $120。这就是个人用户的本地成本上限。如果只是为了节省订阅费而新购 GPU、扩充内存、投入部署时间，或接受更慢的输出，账通常算不过来。若已有合适硬件，且核心诉求是隐私、离线使用或模型控制，$120 才能成为额外收益。

第一个配置检查项应该是上下文，而不是 prompt 技巧。Aider 的文档给出了 8k Ollama 服务器示例，并通过调整上下文减少静默截断。更大的仓库可能需要远高于此的窗口。本地模型一旦开始忘记要求、反复重新打开文件或修改错误的符号，先检查上下文窗口和仓库地图，再怀疑交互方式。

6. OpenCode：覆盖界面最多的本地 Agent

如果希望同一个开源 Agent 横跨终端、IDE 扩展和桌面应用，OpenCode 是最佳选择。 它支持超过 75 个模型提供商，包括本地模型；核心软件无需付费订阅。相比以终端为中心的 Aider，多界面灵活性正是它的优势。

本地 Ollama 通过位于 http://localhost:11434/v1 的 OpenAI 兼容提供商端点接入。提供商文档没有隐藏配置细节；其中还建议，工具调用失败时，可先把上下文窗口设在约 16k 至 32k。这种透明度适合希望明确控制配置的团队，但对期待一键发现模型的用户来说，也意味着更多工作。

OpenCode 的本地能力围绕 Agent 会话展开，不是 Copilot 行内补全的完整替代。它虽然能在 IDE 中工作，但核心卖点是在多个界面间保持同一套多步骤 Agent。应为界面可移植性和提供商广度选择它，而不是为了 Tab 建议。

最适合： 希望在终端、IDE 和桌面端使用同一个本地兼容 Agent 的开发者。
突出优势： 超过 75 个提供商，加上 3 种交互界面。
价格： 开源核心 $0；可选 Go 每月 $10；Enterprise 按席位定制报价。
免费试用： 联系 Enterprise 销售前，可在内部试点开源版本。

OpenCode 价格与数据处理

OpenCode 核心是免费开源软件，用户可自行选择本地、BYOK、免费或托管模型。OpenCode Zen 是可选的按量付费网关，按模型 token 定价。OpenCode Go 是可选订阅，每月 $10，提供托管式开放编码模型。目前的限制用价值上限表示：每 5 小时 $12、每周 $30、每月 $60。

OpenCode Enterprise 采用定制的每席位价格。客户使用自有 LLM 网关时，OpenCode 表示不会对所用 token 收费。评估路径是先在内部试用开源产品，再与销售讨论集中配置、SSO、内部网关和实施支持。

默认的数据声明很有力：OpenCode 表示不会存储代码或上下文，数据只在本地处理，或直接发往用户所选提供商。例外是可选的对话分享，它会把会话数据发送出去。Enterprise 文档建议试用期间关闭分享。隐私审查既要确认默认路径，也要检查所有可选的数据出口。

不同需求该选哪一款

先确认缺失的是哪项能力，再接受能补齐它的最小工作流改动。 仅凭对某款产品的热情做决定并不可靠，因为每个选项只是把成本和复杂度转移到不同层面。

只需要本地 Agent，就继续使用 VS Code

如果个人或团队需要本地聊天、规划和受支持的 Agent 任务，但可以继续使用托管式 Copilot 补全，或者完全不需要补全，那么原生 VS Code 路径改动最小。扩展、调试习惯、远程环境和团队支持经验都能保留。真正的分界线在行内补全：如果这部分数据也必须留在本地，内置 BYOK 路径就不够了。

小规模试点尤其适合这样做。配置一个本地提供商，隐藏未经批准的模型，按需选择工具模型，并记录哪些功能仍依赖 GitHub。在代表性任务证明原生配置确实缺少关键能力之前，不要再增加 Agent 扩展。

完整性优先于编辑器延续性，选 Zed

对于愿意换编辑器、以一套连贯的本地 Agent 和 Edit Prediction 系统换取完整性的个人技术开发者或小型产品团队，Zed 胜出。决定会在编辑器兼容性上翻转：只要某个必需扩展、调试器、远程环境或无障碍工作流无法使用，Kilo Code 就是更稳妥的答案。

在更大的组织里，身份能力甚至可能先于编辑器匹配度决定结果。当前 Business 控制项包含模型和数据策略，但没有 SSO、SAML 和 SCIM。强制要求这些控制的公司，不应把路线图上的承诺当成现有安全功能。

必须保留 VS Code 或 JetBrains，选 Kilo Code

如果必须在现有编辑器内同时使用本地 Agent 和本地自动补全，Kilo Code 胜出。开发者只需更换扩展和模型配置，不必更换整套编辑环境。若固定的 Codestral 自动补全不可接受，或者本地 Agent 硬件达不到文档所列内存要求，选择就会转向其他产品。

它也最容易让人讲出诱人的省钱故事，并最容易被夸大。在计入算力和人工前，10 个 Teams 席位每年只比 Copilot Business 省 $480。应先确认扩展界面和提供商控制是否合适，再把价格差视为一笔小额抵扣。

希望 Agent 明确、受监督，选 Cline

如果开发者需要在 VS Code 中执行审慎的 Agent 循环，又不要求同一产品生成行内建议，Cline 胜出。它适合处理 issue 规模的工作，让文件读取、修改、命令和审批保持可见。如果第二套本地补全系统会造成过多配置，选择就会转向 Kilo 或 Zed。

对团队来说，公开价格缺口同样重要。个人使用免费，Enterprise 却是定制价格。先验证开源工作流，等所需 SSO、提供商限制、仪表盘和 JetBrains 界面都明确后，再向销售询价。

组织愿意负责服务，选 Tabby

如果平台或安全团队想要集中式补全服务，而不是让每台笔记本都运行模型，Tabby 胜出。它最适合统一获批模型，并通过可预测的编辑器扩展接口提供服务。如果团队找不到明确负责人来承担可用性、升级、容量和开发者支持，决定就会翻转。

不要把这项责任含糊地交给“基础设施团队”。应明确负责人或小组，定义服务目标，并在推广前核算 GPU 成本。无人运维的本地服务，只会变成更不可靠的云端产品替代品。

工作流以终端为中心，选 Aider 或 OpenCode

如果 Git diff 和自动提交是最自然的控制界面，Aider 胜出。如果同一个 Agent 需要在终端、IDE 与桌面端之间移动，同时保留广泛的模型提供商选择，则 OpenCode 胜出。两者都不能直接解决本地行内补全。

最终看工作流结构：单个仓库、单条终端会话和紧凑的 diff 审查循环，选 Aider；多个界面、会话和提供商配置，选 OpenCode。如果决策重点是终端 Agent，而非 Copilot 风格补全，可参考 Claude Code 替代品指南。

成本对比：算清本地部署上限

本地模型让组织拥有推理控制权，不会让成本凭空消失。 按 10 个席位计算，公开的年度平台费用为：

• Kilo Teams：$1,800
• GitHub Copilot Business：$2,280
• Tabby Team：$2,280
• Zed Business：$3,600

在这 4 款产品的团队套餐对比中，只有 Kilo 的公开付费方案能省钱：每年 $480，也就是每月 $40。这就是本地成本上限，即部署可承受的最高额外月度费用；再高，平台费用上的节省就会消失。

上限不能只计算 GPU 采购价。还要纳入折算后的年度硬件成本、电费、托管或机架分摊、监控、备份、模型下载、补丁、端点安全、事件响应，以及服务变慢时帮助开发者所花的时间。如果较小的本地模型需要更多重试或增加代码审查工作，质量损耗也要算进去。

Tabby Team 与 Copilot Business 的席位价格相同，所以它相对于 Copilot Business 的本地成本上限是零。任何算力和管理投入，都会让 Tabby 的现金成本更高。即便如此，如果回报是数据控制、物理隔离环境可用性、模型独立性或统一的补全行为，它仍可能是正确选择。

按 10 个席位计算，Zed Business 起步就比 Copilot Business 高 $1,320。它必须通过编辑器和控制层赚回这笔溢价。个人用户的经济账不同：Zed Personal 免费且能使用本地模型；Pro 的平台价与每月 $10 的 Copilot Pro 相同，并增加 Zed 的托管功能。

Aider、Cline Open Source、OpenCode core、Kilo Individual、Zed Personal 和 Tabby Community 都能在各自适用范围内把软件费用降到 $0。对一名 Copilot Pro 用户，订阅费每年最多省 $120。已有合适硬件时，这笔节省可能有意义；为了每年收回 $120 而专门买一台机器，则不划算。

哪些方案应该避开

在这个品类中，Continue 是新建受支持部署时最应避开的产品。 其在线主页表示 Continue 已被 Cursor 收购，开源代码仍作为基础保留。现有社区可以继续 fork 或维护代码，但这与选择一款仍有明确定位、价格和支持路径的独立产品并不相同。

Continue 现有用户不必恐慌。固定版本，审查仓库和许可证，记录模型端点，并明确由谁负责维护即可。但新买家不应忽略这项支持变化，把它与 Zed、Kilo Code、Cline、Tabby、Aider 和 OpenCode 放在同一条件下排名。

也要避开那些以云端为主、却把“本地”解释成仅在本地索引文件、提供桌面应用或使用私有云账号的助手。关键问题是：针对你真正关心的功能，模型推理究竟在哪里运行。聊天、Agent 调用、行内补全、嵌入、遥测、崩溃报告、更新和可选分享，都要分别询问。

最后，不要选择机器刚好能塞下的最大本地模型。模型占用几乎全部可用内存后，上下文、编辑器、构建工具、容器和操作系统就没有余量。工具调用稳定、延迟可接受的小模型，往往比一个不断换页、超时或丢失上下文的大模型完成更多实际工作。

周一就能做：安排 2 名工程师试点

在更改团队套餐前，先让 2 名工程师用同一个仓库试跑 1 周。 目的不是用合成 prompt 选出“最强模型”，而是找出目标工作流最先碰到的运维瓶颈。

1. 1

   明确要补上的 Copilot 工作

   只选一个主要任务：Agent 式 issue 处理、行内补全、集中式自托管，或终端驱动的修改。一次试点若想替代 Copilot 的全部功能，最终结论只会含糊不清。

2. 2

   选择一个有代表性的仓库

   仓库应具备日常使用的语言组合、测试、构建耗时、依赖结构和安全约束。给 2 名工程师安排相同的 3 个边界明确的任务：解释一个模块、完成一次小型多文件修改，以及修复一个失败测试。

3. 3

   锁定部署配置

   记录工具版本、本地运行时、模型与量化方式、上下文窗口、端点、硬件、网络状态、分享设置，以及任何托管回退方案。没有这些记录，好结果无法复现，坏结果也无法诊断。

4. 4

   衡量工作流，而不是 token 输出

   记录首次有效响应耗时、生成有效 diff 的耗时、相关场景下被接受的行内建议、失败的工具调用、人工干预、重试次数和审查时间。还要记录 2 人同时使用服务时的延迟峰值。

5. 5

   作出预算决定

   把年度平台费与算力、预计每月运维时间一起比较。只有本地路径满足指定的控制要求，并处于本地成本上限以内，或者控制收益明显值得突破该上限，才应保留。

周一要做的决定应该很小：保留现有 VS Code 本地路径，增加一款上榜工具继续试点，或到此为止。在试点证明究竟要替代 Copilot 的哪项工作之前，不要购买席位、迁移编辑器或配置共享 GPU。

常见问题

GitHub Copilot 可以在本地使用吗？

无需 GitHub 账号或 Copilot 套餐，VS Code 就能使用本地模型处理聊天、受支持的 Agent 工作流和实用任务。GitHub 托管的 Copilot 模型并没有在本地运行，而且内置本地路径不覆盖标准行内建议。

有没有办法在本地运行 Copilot？

准确说法是，VS Code 通过 BYOK 托管本地模型。连接 Ollama 等提供商，再为聊天或受支持的 Agent 工作选择该模型即可。行内补全、语义搜索和依赖嵌入的功能另有依赖。

VS Code Copilot 能使用本地模型吗？

通过 VS Code 的模型控制，本地模型可以用于聊天和受支持的 Agent 工作，但不能用于标准的 Copilot 风格行内建议模型。Kilo Code 和 Tabby 可以为 VS Code 增加本地补全，Cline 则能增加本地 Agent。

有没有支持本地模型的免费 GitHub Copilot 替代品？

有。Zed Personal、Kilo Individual、Cline Open Source、Tabby Community、Aider 和 OpenCode core 都提供 $0 的软件路径；硬件、托管推理、团队治理和维护仍可能产生费用。

获取 AI Business Workflow Audit Checklist，并订阅后续以证据为依据的构建分析：订阅邮件。