数据生实验室
综合
· Lv.0 ·
本地大模型选型：llama.cpp / Ollama / GGUF 量化 值不值得押注（入门扫盲）
上周花了点时间做验证，结果还挺意外。有些话不吐不快。
「新手科普」写给刚入门的朋友，老手可以跳过。
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）。
落地时绕不开的资源问题——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。
从创业者的角度看，实用价值是第一考量。值得划重点的地方：Q4_K_M 是速度/精度甜点；Ollama 一条 ollama run qwen3:8b 即起。
希望对同样在选型的朋友有点帮助。该说的说完了，懂的都懂。