llama.cpp

llama.cpp هو محرك ++C الذي تلفّه كل أدوات محلية أخرى تقريباً. بلا Python، وبلا تبعيات سوى مترجم (أو ملف ثنائي من الإصدارات). يتحدث `llama-server -hf ggml-org/gpt-oss-120b-GGUF` بلغة OpenAI على المنفذ 8080.

تنزيل التوثيق الرسمي ↗

يُحدد السياق عند الإقلاع بـ-c. يدعم CPU وMetal وCUDA وROCm. خذه حين تريد المعدن الخام — أو حين يبدو لك Ollama وLM Studio تطبيقاً كثيراً حول النموذج.

السياق الأقصى: Set with -c at launch
الطبقة المجانية: غير محدود وخاص
المتطلب: لا شيء — بلا حساب

نقطة النهاية

عنوان URL الأساسيhttp://localhost:8080/v1

حد السرعةNone — it is your machine

متوافق مع OpenAI
نص

أمثلة الكود

npm install openai

import OpenAI from 'openai'

const client = new OpenAI({
  baseURL: 'http://localhost:8080/v1',
  apiKey: 'not-needed'
})

const response = await client.chat.completions.create({
  model: 'gpt-oss-120b',
  messages: [{ role: 'user', content: 'Explain closures in one paragraph.' }]
})

console.log(response.choices[0].message.content)

pip install openai

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:8080/v1",
    api_key="not-needed",
)

response = client.chat.completions.create(
    model="gpt-oss-120b",
    messages=[{"role": "user", "content": "Explain closures in one paragraph."}],
)

print(response.choices[0].message.content)

curl http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-oss-120b",
    "messages": [{"role": "user", "content": "Explain closures in one paragraph."}]
  }'

جدير بالمعرفة

شغّل الخادم أولاً: `llama-server -hf ggml-org/gpt-oss-120b-GGUF`.

النماذج التي تحصل عليها مجاناً2

Llama 3.3 70Bllama-3.3-70b
Qwen 3qwen3