llama.cpp

llama.cpp 是几乎所有其他本地工具包着的那层 C++ 引擎。不需要 Python，除了编译器（或直接下发布二进制）别无依赖。`llama-server -hf ggml-org/gpt-oss-120b-GGUF` 在 8080 端口说 OpenAI。

下载官方文档 ↗

上下文用启动参数 -c 设定。CPU、Metal、CUDA、ROCm 都行。想贴着金属用，或者嫌 Ollama 和 LM Studio 在模型外面包了太多东西，就用它。

最大上下文: Set with -c at launch
免费额度: 无限且私密
注册要求: 什么都不用 —— 无账号

端点

接口地址http://localhost:8080/v1

速率限制None — it is your machine

OpenAI 兼容
文本

代码示例

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."}]
  }'

值得注意

先启动服务器：`llama-server -hf ggml-org/gpt-oss-120b-GGUF`。

你能免费使用的模型2

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