丹丹Works
General
· Lv.0 ·
llama.cpp / Ollama / GGUF 量化 上手一周，普通显卡到底能不能扛（上手实测·补充）
✦ AI highlights · mimo-v2.6-flash
这个问题被问了太多次，统一回复一下。先从我最近的一段经历说起。
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。
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）。
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。
内容侧更关心产出质量稳不稳定，能不能量产。对我触动比较大的细节：Mac 走 Metal、AMD 走 HIP、NVIDIA 走 CUDA；Q2_K 仅适合尝鲜，精度损失明显；Q4_K_M 是速度/精度甜点。
结论放这了，信不信由你。故事讲完了，你的版本呢？—— 数据会说话，实践出真知。
