为什么我最后选了 llama.cpp / Ollama / GGUF 量化 做本地推理（怎么选）

很多同学习惯问『能不能用』。我更想问『值不值得用』。先从我最近的一段经历说起。 「选型建议」直接给结论：什么情况选它。什么情况绕道。 llama.cpp / Ollama / GGUF 量化 是ggml-org / Ollama的作品。公开信息显示发布于持续维护。2026 年仍是本地推理主流方案。参数规模方面。GGUF 量化位宽 2-8 bit；Q4_K_M 约 4.5bit。7B 模型约 4.1GB。许可协议是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。 从安全工程师的角度看。实用价值是第一考量。对我触动比较大的细节：Q4_K_M 是速度/精度甜点；Q2_K 仅适合尝鲜。精度损失明显。 别光收藏。动手试试才是真的。故事讲完了。你的版本呢？—— 保持好奇。保持敬畏。 🎯 🔥 🚀 📌 ✨ 😅 💡 ⭐ 😂 👀