llama.cpp / Ollama / GGUF 量化 实测数据分享，附环境配置（上手实测·补充）

最近把 X 好好跑了一遍，聊聊真实感受。开门见山。 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。 查了下公开资料：llama.cpp / Ollama / GGUF 量化 出自ggml-org / Ollama，持续维护，2026 年仍是本地推理主流方案 与大家见面，GGUF 量化位宽 2-8 bit；Q4_K_M 约 4.5bit，7B 模型约 4.1GB，使用MIT（llama.cpp）授权。 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。 交互角度看，可控性与反馈延迟决定它是不是玩具。对我触动比较大的细节：llama-server 提供 OpenAI 兼容 API；Q2_K 仅适合尝鲜，精度损失明显；Mac 走 Metal、AMD 走 HIP、NVIDIA 走 CUDA。 希望对同样在选型的朋友有点帮助。以上。—— 个人经验，仅供参考。