llama.cpp
#2 in Lokale LLM-Runtimesllama-cpp · seit 10. März 2023 (Erstveröffentlichung durch Georgi Gerganov) · 28× · zuletzt 30. Juni 2026
64
Momentum
llama.cpp ist eine quelloffene C/C++-Bibliothek für die lokale und Cloud-Inferenz großer Sprachmodelle, entwickelt von Georgi Gerganov. Sie läuft ohne externe Abhängigkeiten auf CPUs und GPUs verschiedenster Hersteller und nutzt das eigene GGUF-Dateiformat für quantisierte Modelle. Das Projekt bietet CLI-Tools sowie einen Server mit OpenAI-kompatibler API und bildet die technische Grundlage vieler bekannter lokaler LLM-Anwendungen wie Ollama und LM Studio. Es steht unter der MIT-Lizenz und wird kostenlos zum Download bereitgestellt.
Momentum-Verlauf
04.04.03.07.
Features
| Deployment (Self-host/Cloud) | Self-hosted (lokal, Server, Docker) sowie Cloud-Deployment möglich, z.B. via Hugging Face Inference Endpoints |
| Durchsatz/Latenz | Stark hardwareabhängig; Beispiel: RTX 3060 12GB ca. 42 tok/s (8B, Q4), M1 MacBook ca. 30-50 tok/s (7B quantisiert) |
| Lizenz | MIT License |
| Plattform | Windows, Linux, macOS; läuft auf CPU, Apple Silicon (Metal), NVIDIA (CUDA), AMD (HIP), Intel/SYCL, Vulkan, RISC-V u.a. |
| Preis | Kostenlos, Open Source (keine Lizenzgebühren) |
| Protokoll-Kompatibilität | OpenAI-kompatible API-Endpunkte (z.B. v1/chat/completions), Grammar-basierte JSON-Ausgabe |
| Release-Datum | 10. März 2023 (Initial-Release durch Georgi Gerganov) |
| Unterstützte Modelle/Provider | Llama, Mistral, Gemma, DeepSeek, gpt-oss, Phi, Qwen u.v.m. im GGUF-Format |