llama.cpp / Ollama / GGUF 量化 的许可与商用红线，一次说清（怎么选·补充）

这个问题被问了太多次，统一回复一下。本文基于公开资料整理，供讨论参考。 「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。 ML 工程视角：可复现的评测比单点惊艳更重要。官方口径里有几条很关键：Q4_K_M 是速度/精度甜点；Ollama 一条 ollama run qwen3:8b 即起；Q2_K 仅适合尝鲜，精度损失明显。 欢迎持不同意见的朋友理性讨论。讨论与勘误欢迎留言。—— 工具为人服务，不是相反。 🙂 👀 ✅