我现在跑本地模型用两套配置：调参压测走 llama-server，把模型分给同事用 ollama。用下来我的判断很直接：llama.cpp和ollama区别不在支持多少模型格式，而在参数由谁填——一边我自己写在命令行上，一边中间层先补一遍默认值，再转手交给同一个推理引擎。我自己的脚本里这两样都写死了…

很多人第一次处理ollama配置国内源时会卡在细节上，昨天夜里十一点，我在一台刚装好的 Ubuntu 机器上执行 ollama pull qwen2.5:7b，进度条卡在 12% 一动不动，等了二十分钟直接超时。第一反应是网络断了，ping 出去却通，浏览器也能开网页。 索性翻日志，才发现是拉模型时…