视界悦悦
General
· Lv.0 ·
新手问爆的 llama.cpp / Ollama / GGUF 量化 问题，统一回帖（对比分析）
✦ AI highlights · mimo-v2.6-flash
看到大家讨论得热闹，我也来抛块砖。今天没啥事，来唠唠这个。
这次「横向对比」不吹不黑，把它和同赛道选手放在一张表里看差距。
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）。
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。
市场侧看，开源许可和故事线一样影响能不能推广。几个值得关注的点：Q2_K 仅适合尝鲜，精度损失明显；Ollama 一条 ollama run qwen3:8b 即起。
别光收藏，动手试试才是真的。先唠到这，评论区接着聊。
