从 llama.cpp / Ollama / GGUF 量化 看开源大模型这两年的变化（上手实测）

先叠个甲：以下都是个人实测。不代表官方说法。今天没啥事。来唠唠这个。 这轮「实测记录」我把环境、参数和输出都记了流水账。供同好参考。 llama.cpp / Ollama / GGUF 量化 的基本盘：ggml-org / Ollama 打造。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。遵循MIT（llama.cpp）。 显存这关。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。 从技术美术TA的角度看。实用价值是第一考量。几个值得关注的点：Ollama 一条 ollama run qwen3:8b 即起；Q4_K_M 是速度/精度甜点。 祝大家少踩坑。多出活。先唠到这。评论区接着聊。—— 让复杂的事情变简单。