ghcr.io/ggml-org/llama.cpp:full-b9519

llama.cpp

C/C++ 实现的 LLM 推理

近期 API 变更

• https://github.com/ggml-org/llama.cpp/issues/9289
• https://github.com/ggml-org/llama.cpp/issues/9291

热门话题

• Hugging Face 缓存迁移：使用 -hf 下载的模型现在存储在标准 Hugging Face 缓存目录中，可与其他 HF 工具共享。
• https://github.com/ggml-org/llama.cpp/discussions/***
• https://github.com/ggml-org/llama.cpp/discussions/***
• https://github.com/ggml-org/llama.cpp/discussions/***
• llama-server 现已支持多模态：https://github.com/ggml-org/llama.cpp/pull/*** | 文档
• 用于 FIM 补全的 VS Code 扩展：https://github.com/ggml-org/llama.vscode
• 用于 FIM 补全的 Vim/Neovim 插件：https://github.com/ggml-org/llama.vim
• Hugging Face GGUF 编辑器：https://github.com/ggml-org/llama.cpp/discussions/9268 | 工具
• 浏览器中现已支持 WebGPU，查看介绍它的博客/演示 https://reeselevine.github.io/llamas-on-the-web/%E3%80%82

• LLaMA 🦙
• LLaMA 2 🦙🦙
• LLaMA 3 🦙🦙🦙
• Mistral 7B
• Mixtral MoE
• DBRX
• Jamba
• Falcon
• https://github.com/ymcui/Chinese-LLaMA-Alpaca 和 https://github.com/ymcui/Chinese-LLaMA-Alpaca-2
• https://github.com/bofenghuang/vigogne
• https://github.com/ggml-org/llama.cpp/pull/5423
• Koala
• Baichuan 1 & 2 + 衍生模型
• Aquila 1 & 2
• https://github.com/ggml-org/llama.cpp/pull/3187
• Refact
• https://github.com/ggml-org/llama.cpp/pull/3417
• https://github.com/ggml-org/llama.cpp/pull/3553
• Yi 模型
• StableLM 模型
• Deepseek 模型
• Qwen 模型
• https://github.com/ggml-org/llama.cpp/pull/3557
• Phi 模型
• https://github.com/ggml-org/llama.cpp/pull/***
• GPT-2
• https://github.com/ggml-org/llama.cpp/pull/5118
• InternLM2
• https://github.com/WisdomShell/codeshell
• Gemma
• https://github.com/state-spaces/mamba
• Grok-1
• Xverse
• Command-R 模型
• SEA-LION
• GritLM-7B + GritLM-8x7B
• OLMo
• OLMo 2
• OLMoE
• Granite 模型
• https://github.com/EleutherAI/gpt-neox + https://github.com/EleutherAI/pythia
• ***-Arctic MoE
• Smaug
• Poro 34B
• Bitnet b1.58 模型
• Flan T5
• Open Elm 模型
• GLM-4-0414
• SmolLM
• EXAONE-3.0-7.8B-Instruct
• FalconMamba 模型
• Jais
• Bielik-11B-v2.3
• RWKV-7
• https://github.com/BlinkDL/RWKV-LM
• QRWKV-6
• GigaChat-20B-A3B
• Trillion-7B-preview
• Ling 模型
• LFM2 模型
• Hunyuan 模型
• BailingMoeV2（Ring/Ling 2.0）模型
• Mellum 模型

多模态

• LLaVA 1.5 模型、LLaVA 1.6 模型

• BakLLaVA

• Obsidian

• ShareGPT4V

• MobileVLM 1.7B/3B 模型

• Yi-VL

• Mini CPM

• Moondream

• https://github.com/BAAI-DCAI/Bunny

• GLM-EDGE

• Qwen2-VL

• LFM2-VL

• Python: https://github.com/ddh0/easy-llama

• Python: https://github.com/abetlen/llama-cpp-python

• Go: https://github.com/go-skynet/go-llama.cpp

• Node.js: https://github.com/withcatai/node-llama-cpp

• JS/TS (llama.cpp 服务器客户端): lgrammel/modelfusion

• JS/TS (可编程提示引擎 CLI): https://github.com/offline-ai/cli

• JavaScript/Wasm (浏览器中运行): https://github.com/tangledgroup/llama-cpp-wasm

• Typescript/Wasm (更友好的 API，可在 npm 上获取): https://github.com/ngxson/wllama

• Ruby: https://github.com/yoshoku/llama_cpp.rb

• Ruby: https://github.com/docusealco/rllama

• Rust (更多功能): https://github.com/edgenai/llama_cpp-rs

• Rust (更友好的 API): https://github.com/mdrokz/rust-llama.cpp

• Rust (更直接的绑定): https://github.com/utilityai/llama-cpp-rs

• Rust (从 crates.io 自动构建): https://github.com/ShelbyJenkins/llm_client

• C#/.NET: https://github.com/SciSharp/LLamaSharp

• C#/VB.NET (更多功能 - 社区许可证): LM-Kit.NET

• Scala 3: https://github.com/donderom/llm4s

• Clojure: https://github.com/phronmophobic/llama.clj

• React Native: https://github.com/mybigday/llama.rn

• Java: https://github.com/kherud/java-llama.cpp

• Java: https://github.com/QuasarByte/llama-cpp-jna

• Zig: https://github.com/Deins/llama.cpp.zig

• Flutter/Dart: https://github.com/netdur/llama_cpp_dart

• Flutter: https://github.com/xuegao-tzx/Fllama

• PHP (基于 llama.cpp 构建的 API 绑定和功能): https://github.com/distantmagic/resonance https://github.com/ggml-org/llama.cpp/pull/6326

• Guile Scheme: guile_llama_cpp

• Swift: https://github.com/srgtuszy/llama-cpp-swift

• Swift: https://github.com/ShenghaiWang/SwiftLlama

• Delphi: https://github.com/Embarcadero/llama-cpp-delphi

• Go (无需 CGo): https://github.com/hybridgroup/yzma

• Android: llama.android

UIs

(若要在此列出项目，该项目应明确声明依赖于 llama.cpp)

• https://github.com/yaroslavyaroslav/OpenAI-sublime-text (MIT)
• BonzAI App (专有)
• https://github.com/cztomsik/ava (MIT)
• https://github.com/alexpinel/Dot (GPL)
• https://github.com/ylsdamxssjxxdd/eva (MIT)
• https://github.com/iohub/coLLaMA (Apache-2.0)
• https://github.com/janhq/jan (AGPL)
• https://github.com/johnbean393/Sidekick (MIT)
• https://github.com/zhouwg/kantv?tab=readme-ov-file (Apache-2.0)
• https://github.com/firatkiral/kodibot (GPL)
• https://github.com/ggml-org/llama.vim (MIT)
• https://github.com/abgulati/LARS (AGPL)
• https://github.com/vietanhdev/llama-assistant (GPL)
• https://github.com/undreamai/LlamaLib (Apache-2.0)
• https://github.com/guinmoon/LLMFarm?tab=readme-ov-file (MIT)
• https://github.com/undreamai/LLMUnity (MIT)
• LMStudio (专有)
• https://github.com/mudler/LocalAI (MIT)
• https://github.com/LostRuins/koboldcpp (AGPL)
• MindMac (专有)
• https://github.com/MindWorkAI/AI-Studio (FSL-1.1-MIT)
• https://github.com/Mobile-Artificial-Intelligence/maid (MIT)
• https://github.com/Mozilla-Ocho/llamafile (Apache-2.0)
• https://github.com/nat/openplayground (MIT)
• https://github.com/nomic-ai/gpt4all (MIT)
• https://github.com/ollama/ollama (MIT)
• https://github.com/oobabooga/text-generation-webui (AGPL)
• https://github.com/a-ghorbani/pocketpal-ai (MIT)
• https://github.com/psugihara/FreeChat (MIT)
• https://github.com/ptsochantaris/emeltal (MIT)
• https://github.com/pythops/tenere (AGPL)
• https://github.com/containers/ramalama (MIT)
• https://github.com/semperai/amica (MIT)
• https://github.com/withcatai/catai (MIT)
• https://github.com/***89/autopen (GPL)

Tools

• https://github.com/akx/ggify – 从 Hugging Face Hub 下载 PyTorch 模型并将其转换为 GGML
• https://github.com/akx/ollama-dl – 从 Ollama 库下载模型，以便直接与 llama.cpp 一起使用
• https://github.com/crashr/gppm – 启动 llama.cpp 实例，利用 NVIDIA Tesla P40 或 P100 GPU，降低空闲功耗
• https://github.com/gpustack/gguf-parser-go/tree/main/cmd/gguf-parser - 查看/检查 GGUF 文件并估算内存使用情况
• Styled Lines（专有许可，Unity3d 游戏开发推理部分的异步包装器，带有预构建的移动和 Web 平台包装器以及模型示例）
• https://github.com/unslothai/unsloth – 🦥 将微调及训练后的模型导出/保存为 GGUF（Apache-2.0）

Infrastructure

• https://github.com/intentee/paddler - 开源 LLMOps 平台，用于在自有基础设施中托管和扩展 AI
• https://github.com/gpustack/gpustack - 管理用于运行 LLM 的 GPU 集群
• https://github.com/onicai/llama_cpp_canister - 在 Internet Computer 上作为智能合约的 llama.cpp，使用 WebAssembly
• https://github.com/mostlygeek/llama-swap - 透明代理，为 llama-server 添加自动模型切换功能
• https://github.com/kalavai-net/kalavai-client - 众包端到端 LLM 部署，支持任意规模
• https://github.com/InftyAI/llmaz - ☸️ 简单、高级的 Kubernetes 大语言模型推理平台。
• https://github.com/defilantech/llmkube - llama.cpp 的 Kubernetes 运算符，支持多 GPU 和 Apple Silicon Metal

Games

llama-server

一个轻量级、兼容https://github.com/openai/openai-openapi%E7%9A%84HTTP%E6%9C%8D%E5%8A%A1%E5%99%A8%EF%BC%8C%E7%94%A8%E4%BA%8E%E9%83%A8%E7%BD%B2LLM%E3%80%82

使用默认配置在8080端口启动本地HTTP服务器

llama-server -m model.gguf --port 8080

# 可通过浏览器访问基础Web UI：http://localhost:8080
# 聊天补全端点：http://localhost:8080/v1/chat/completions

支持多用户和并行解码

# 最多4个并发请求，每个请求最大上下文为4096
llama-server -m model.gguf -c 16384 -np 4

启用推测解码

# draft.gguf模型应是目标model.gguf的小型变体
llama-server -m model.gguf -md draft.gguf

部署嵌入模型

# 使用/embedding端点
llama-server -m model.gguf --embedding --pooling cls -ub 8192

部署重排序模型

# 使用/reranking端点
llama-server -m model.gguf --reranking

使用语法约束所有输出

# 自定义语法
llama-server -m model.gguf --grammar-file grammar.gbnf

# JSON格式
llama-server -m model.gguf --grammar-file grammars/json.gbnf

XCFramework

XCFramework 是适用于 iOS、visionOS、tvOS 和 macOS 的预编译库版本。它可用于 Swift 项目，无需从源代码编译库。例如：

// swift-tools-version: 5.10
// The swift-tools-version declares the minimum version of Swift required to build this package.

import PackageDescription

let package = Package(
name: "MyLlamaPackage",
targets: [
.executableTarget(
name: "MyLlamaPackage",
dependencies: [
"LlamaFramework"
]),
.binaryTarget(
name: "LlamaFramework",
url: "https://github.com/ggml-org/llama.cpp/releases/download/b5046/llama-b5046-xcframework.zip",
checksum: "c19be78b5f00d8d29a25da41042cb7afa094cbf6280a225abe614b03b20029ab"
)
]
)

上述示例使用的是库的中间构建版本 b5046。可以通过更改 URL 和校验和来修改为使用不同版本。

命令补全

部分环境支持命令行补全。

Bash 补全

$ build/bin/llama-cli --completion-bash
> ~/.llama-completion.bash
$ source ~/.llama-completion.bash

也可以选择将其添加到 .bashrc 或 .bash_profile 中以自动加载。例如：

$ echo "source ~/.llama-completion.bash"
>> ~/.bashrc

依赖项

• https://github.com/yhirose/cpp-httplib - 单头文件 HTTP 服务器，供 llama-server 使用 - MIT 许可证
• https://github.com/nothings/stb - 单头文件图像格式解码器，供多模态子系统使用 - 公共领域
• https://github.com/nlohmann/json - 单头文件 JSON 库，供各种工具/示例使用 - MIT 许可证
• https://github.com/mackron/miniaudio - 单头文件音频格式解码器，供多模态子系统使用 - 公共领域
• https://github.com/sheredom/subprocess.h - 用于 C 和 C++ 的单头文件进程启动解决方案 - 公共领域