待验证50% 置信事实精确时间
llama.cpp 支持 CPU+GPU 混合推理，通过 --n-gpu-layers 参数控制卸载到 GPU 的层数，并内置兼容 OpenAI API 格式的 HTTP 服务端
1
来源数
50%
置信度
长期有效
时效性
2026/7/17
首次发现
来源
相关事实
已验证llama.cpp支持CPU与GPU的混合推理（层卸载），可将模型部分层加载到GPU显存、其余层保留在内存84% 相似待验证llama.cpp支持在CPU上高效运行量化模型，Ollama提供一体化的本地模型管理和API服务78% 相似已验证llama.cpp支持NVIDIA GPU通过CUDA、AMD GPU通过ROCm、Apple Silicon通过Metal GPU加速，也支持纯CPU推理78% 相似待验证llama.cpp、Ollama、vLLM等推理框架适配Qwen模型权重，支持GGUF、AWQ、GPTQ等量化格式使其能运行在消费级GPU乃至CPU上75% 相似待验证llama.cpp在CPU路径上使用手写AVX2/AVX-512 SIMD指令集优化，在GPU路径上使用cuBLAS、CUTLASS等NVIDIA库和自定义CUDA kernel，能发挥Tensor Core等硬件单元吞吐量74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/537827API
curl https://kongchang.com/api/v1/knowledge/claims/537827MCP
get_claim(id=537827)