Inferenz-Konfigurationen für lokale LLMs
Startfertige Einstellungen, um ein Modell lokal auszuführen: Ollama-Modelfile, vLLM-Befehl, llama.cpp.
contextetech
Mistral 7B on a 16 GB Mac with Ollama
Ollama Modelfile to run Mistral 7B Instruct locally on a 16 GB Mac: Q4…
contextetech
Qwen2.5 7B with vLLM on a 24 GB GPU
Serve Qwen2.5 7B Instruct with vLLM on a 24 GB GPU: OpenAI-compatible API, 8k…
contextetech
llama.cpp server for a GGUF model
Run any GGUF model with the llama.cpp server: OpenAI-compatible API on port…
Was ist eine Inferenz-Konfiguration?
Eine Inferenz-Konfiguration bündelt die Einstellungen, um ein Modell auf dem eigenen Rechner zu betreiben: Laufzeit (Ollama, vLLM, llama.cpp), Quantisierung, Kontextgröße und Startbefehl.
Anleitung: Inferenz-Konfigurationen →