llama.cpp

Из публичных источников

llama.cpp — движок инференса LLM на C/C++ с лицензией MIT, который запускает большие языковые и визуальные модели локально или в облаке без лишних зависимостей.

AI-инструментКатегория: AI-инструментыOpen sourceданные проверены 15 окт. 2026 г.

Обзор

Запуск больших языковых моделей обычно требует тяжёлых фреймворков, облачных API или специализированного железа. llama.cpp — открытый движок инференса LLM и VLM, написанный на чистом C и C++ без внешних зависимостей. Он рассчитан на простую установку и высокую производительность на самых разных аппаратных платформах. Поддерживается квантование от 1,5 до 8 бит, что снижает потребление памяти. Для Apple silicon доступны оптимизации через Metal, для x86 — AVX и AMX, для GPU NVIDIA и AMD — CUDA и HIP, также поддерживаются Vulkan, SYCL и другие бэкенды. Если модель не помещается в видеопамять, её можно разделить между CPU и GPU. Модели загружаются напрямую с Hugging Face и запускаются через CLI llama или сервер llama-server с OpenAI-совместимым API. Инструмент подойдёт разработчикам, исследователям и энтузиастам, которые хотят запускать модели локально, развернуть собственный API или работать с инференсом на своих серверах. Установка возможна через скрипты, Docker, готовые бинарные файлы или сборку из исходников. Проект распространяется по лицензии MIT.
  • ggml
  • llm
  • local-llm

Установка

Команды только показываются, маркетплейс их не выполняет. Сверяйтесь с официальной документацией.
  • Официальный сайтИз публичных источниковиз метаданных каталога
    llama.app/ ↗
  • Реестр пакетов языкаpythonИз публичных источниковиз манифеста пакета — публикация в реестре не проверена
    pipx install llama-cpp-scripts

    Не проверено: перед установкой убедитесь, что пакет в реестре принадлежит этому проекту.

    pypi.org/project/llama-cpp-scripts/ ↗
  • Сборка из исходниковИз публичных источниковиз метаданных каталога

    Сборка из исходников: проверенного рецепта сборки нет — следуйте инструкциям репозитория.

    github.com/ggml-org/llama.cpp ↗

Совместимость

«Неизвестно» значит, что доказательств не найдено, а не что продукт несовместим.
ПлатформаСтатусАрхитектураДоказательствоУверенность
WindowsНеизвестно———
macOSНеизвестно———
LinuxНеизвестно———
Web browserНеизвестно———
Server / self-hostedНеизвестно———
Container (OCI)Неизвестно———
PythonСовместимо—манифест пакета: pyproject.toml name0.60

Релизы

проверено 29 окт. 2026 г.
v0.8.0Последний28 окт. 2026 г.Официальный источник ↗

Файлы версии 0.8.0

Маркетплейс не хранит эти файлы: загрузка идёт из официального источника. Мы их не сканировали.
ФайлПлатформаРазмерSHA-256Скачать из официального источника
nightly-tag.txtдругое7 B724adc02ee64…Официальный источник ↗

История релизов

Профиль качества

алгоритм quality-v1.0 · оценено 15 окт. 2026 г.
Оценка качества91
Оценка риска0
Уверенность 1.00
Оценка качества и оценка риска — разные показатели. Высокое качество не гарантирует безопасность.

Составляющие оценки

Поддержка · 2020
last activity 0 days ago
Документация · 1515
README 7470 chars, description present
Готовность к использованию · 156
install instructions: no; releases: yes
Метаданные · 1010
4/4 of description, homepage, license, topics
Релизы · 1010
10 release(s), latest 0 days ago
Точность категории · 1010
classifier confidence 1
Популярность · 1010
131301 stars (log-dampened, 10k = max)
Ясность лицензии · 55
SPDX MIT
Сообщество · 55
issues enabled, 24441 forks

Лицензия

MIT
Лицензия известнапо данным хостинга репозитория

Это статус политики каталога, а не юридическое заключение.

Источники

github.com/ggml-org/llama.cppОсновной★ 131 301 звёздактивность 15 окт. 2026 г.Основной репозиторий · Уверенность 1.00

Отзывы

Войдите, чтобы написать отзыв

Отзывов пока нет.

Альтернативы

ollamaПохожий
Ollama — открытый AI-инструмент для запуска открытых моделей, таких как Gemma, DeepSeek, Qwen и gpt-oss, локально или в облаке, с CLI, REST API и библиотеками для Python и JavaScript.MIT · AI-инструменты
SoupПохожий
Тонкая настройка LLM по одному YAML-файлу. Послойная потоковая загрузка обучает модель на 8B на ноутбучном GPU с 4 ГБ памяти.Apache-2.0 · AI-инструменты
haxПохожий
Минималистичный терминальный агент для программирования, написанный на C.MIT · AI-инструменты
selfhost-aiПохожий
selfhost-ai — установщик на Docker Compose, который разворачивает более 30 открытых AI- и автоматизационных инструментов, включая n8n, Ollama и Open WebUI, на вашем сервере одной командой.Apache-2.0 · AI-инструменты
janПохожий
Jan — открытая альтернатива ChatGPT: настольное AI-приложение, которое запускает языковые модели прямо на вашем компьютере, без интернета и с сохранением приватности.AI-инструменты
code2promptПохожий
CLI-инструмент для преобразования кодовой базы в один промпт для LLM с деревом исходных файлов, шаблонизацией промптов и подсчётом токенов.MIT · AI-инструменты

README

Из ggml-org/llama.cpp · лицензия MIT · загружено 29 окт. 2026 г.

llama.cpp

[llama]

LLM inference in C/C++

[License: MIT] [Release] [Nightly] [Server] [Docker] [Winget]

ggml / ops / maintainer PRs / dev stats / lib llama API / llama-server REST API

Quick start

A few options to get llama.cpp installed on your machine:

# curl
curl -LsSf https://llama.app/install.sh | sh

# powershell
irm https://llama.app/install.ps1 | iex

Once installed:

# Download and run a model directly from Hugging Face
llama cli -hf ggml-org/Qwen3.5-0.8B-GGUF

# Launch OpenAI-compatible API server
llama serve -hf ggml-org/Qwen3.5-0.8B-GGUF

Description

The main goal of llama.cpp is to enable LLM (and VLM) inference with minimal setup and state-of-the-art performance on a wide range of hardware - locally and in the cloud.

  • Plain C/C++ implementation without any dependencies
  • Apple silicon is a first-class citizen - optimized via ARM NEON, Accelerate and Metal frameworks
  • AVX, AVX2, AVX512 and AMX support for x86 architectures
  • RVV, ZVFH, ZFH, ZICBOP and ZIHINTPAUSE support for RISC-V architectures
  • 1.5-bit, 2-bit, 3-bit, 4-bit, 5-bit, 6-bit, and 8-bit integer quantization for faster inference and reduced memory use
  • Custom CUDA kernels for running LLMs on NVIDIA GPUs (support for AMD GPUs via HIP and Moore Threads GPUs via MUSA)
  • Vulkan and SYCL backend support
  • CPU+GPU hybrid inference to partially accelerate models larger than the total VRAM capacity

The llama.cpp project is build on top of the ggml library.

Supported backends

BackendTarget devices
BLASAll
BLISAll
CANNAscend NPU
CUDANvidia GPU
HIPAMD GPU
HexagonSnapdragon
IBM zDNNIBM Z & LinuxONE
MUSAMoore Threads GPU
MetalApple Silicon
OpenCLAdreno GPU
OpenVINO [In Progress]Intel CPUs, GPUs, and NPUs
RPCAll
SYCLIntel GPU
VirtGPUVirtGPU APIR
VulkanGPU
WebGPUAll
ZenDNNAMD CPU

Documentation

Tools
Development

Contributing

  • Contributors can open PRs
  • Collaborators will be invited based on contributions
  • Maintainers can push to branches in the llama.cpp repo and merge PRs into the master branch
  • Any help with managing issues, PRs and projects is very appreciated!
  • Read the CONTRIBUTING.md for more information

Acknowledgements

  • yhirose/cpp-httplib - Single-header HTTP server, used by llama-server - MIT license
  • nothings/stb - Single-header image format decoder, used by multimodal subsystem - Public domain
  • nlohmann/json - Single-header JSON library, used by various tools/examples - MIT License
  • mackron/miniaudio - Single-header audio format decoder, used by multimodal subsystem - Public domain
  • sheredom/subprocess.h - Single-header process launching solution for C and C++ - Public domain
Открыть репозиторий ↗