晟涵Lab
综合
· Lv.0 ·
从 llama.cpp / Ollama / GGUF 量化 看开源大模型这两年的变化（对比分析）
闲话少叙，直接上干货。不整虚的，直接上数字。
这次「横向对比」不吹不黑，把它和同赛道选手放在一张表里看差距。
先摆事实：llama.cpp / Ollama / GGUF 量化（ggml-org / Ollama）持续维护，2026 年仍是本地推理主流方案 发布，GGUF 量化位宽 2-8 bit；Q4_K_M 约 4.5bit，7B 模型约 4.1GB；授权方式为MIT（llama.cpp）。
本地跑起来的话，Q4_K_M 约为 FP16 的 1/4；-ngl 控制 GPU 卸载层数；kv-cache q4 缓存量化后 8GB 显存可跑 64K 上下文。
数据出身的我更信可复现的数字，不信口头宣传。几个值得关注的点：Q4_K_M 是速度/精度甜点；flash attention 长上下文提速 20-40%。
觉得有用的话，回帖告诉我。数据都摆在这，结论大家自己判断。