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

先叠个甲：以下都是个人实测，不代表官方说法。不整虚的，直接上数字。 「选型建议」直接给结论：什么情况选它，什么情况绕道。 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。 前端视角：能不能包一层 API 就用起来，决定了团队采纳速度。官方口径里有几条很关键：llama-server 提供 OpenAI 兼容 API；Q2_K 仅适合尝鲜，精度损失明显。 祝大家少踩坑，多出活。数据都摆在这，结论大家自己判断。—— 保持好奇，保持敬畏。