llama-cpp
✓NVIDIA ハードウェアを使用せずに、CPU、Apple Silicon、コンシューマ GPU で LLM 推論を実行します。エッジ展開、M1/M2/M3 Mac、AMD/Intel GPU、または CUDA が利用できない場合に使用します。 GGUF 量子化 (1.5 ～ 8 ビット) をサポートし、メモリを削減し、CPU 上の PyTorch と比較して 4 ～ 10 倍の速度向上を実現します。
SKILL.md
Pure C/C++ LLM inference with minimal dependencies, optimized for CPUs and non-NVIDIA hardware.
| Format | Bits | Size (7B) | Speed | Quality | Use Case |
| Q4KM | 4.5 | 4.1 GB | Fast | Good | Recommended default | | Q4KS | 4.3 | 3.9 GB | Faster | Lower | Speed critical | | Q5KM | 5.5 | 4.8 GB | Medium | Better | Quality critical | | Q6K | 6.5 | 5.5 GB | Slower | Best | Maximum quality | | Q80 | 8.0 | 7.0 GB | Slow | Excellent | Minimal degradation | | Q2K | 2.5 | 2.7 GB | Fastest | Poor | Testing only |
NVIDIA ハードウェアを使用せずに、CPU、Apple Silicon、コンシューマ GPU で LLM 推論を実行します。エッジ展開、M1/M2/M3 Mac、AMD/Intel GPU、または CUDA が利用できない場合に使用します。 GGUF 量子化 (1.5 ～ 8 ビット) をサポートし、メモリを削減し、CPU 上の PyTorch と比較して 4 ～ 10 倍の速度向上を実現します。 ソース: ovachiever/droid-tings。
引用可能な情報
AI/検索での引用用の安定したフィールドとコマンド。
- インストールコマンド
npx skills add https://github.com/ovachiever/droid-tings --skill llama-cpp- カテゴリ
- </>開発ツール
- 認証済み
- ✓
- 初回登録
- 2026-02-01
- 更新日
- 2026-02-18
クイックアンサー
llama-cpp とは？
NVIDIA ハードウェアを使用せずに、CPU、Apple Silicon、コンシューマ GPU で LLM 推論を実行します。エッジ展開、M1/M2/M3 Mac、AMD/Intel GPU、または CUDA が利用できない場合に使用します。 GGUF 量子化 (1.5 ～ 8 ビット) をサポートし、メモリを削減し、CPU 上の PyTorch と比較して 4 ～ 10 倍の速度向上を実現します。 ソース: ovachiever/droid-tings。
llama-cpp のインストール方法は？
ターミナルまたはコマンドラインツール（Terminal、iTerm、Windows Terminal など）を開きます このコマンドをコピーして実行します: npx skills add https://github.com/ovachiever/droid-tings --skill llama-cpp インストール後、スキルは自動的に AI コーディング環境に設定され、Claude Code や Cursor で使用できるようになります
ソースリポジトリはどこですか？
https://github.com/ovachiever/droid-tings
詳細
- カテゴリ
- </>開発ツール
- ソース
- skills.sh
- 初回登録
- 2026-02-01