11 月上旬，本地推理圈被两件事刷屏："Ollama 要收费"闹得新手差点卸载，llama.cpp 发 1.0 让老手脚本当场报错。一个误会，一个真变，掰开说清。
Ollama 收费了？收的不是本机
11 月 9 日起，Ollama Cloud 免费额度取消，Free 账户被自动切换成 Pay as you go，几个 starter 模型开始要钱。知乎
官方原话是 Running models on your own hardware is always unlimited：本机跑永远免费，但免费午餐结束了：余额不足直接报 payment-required，是跑不起来，不是变慢。知乎
工具里界线更直观：模型要即时信息时，Ollama 会自动处理搜索并返回结果——派给模型的活可能压根不在本机。知乎
llama.cpp 转正了
11 月 13 日，llama.cpp 与底层 ggml 同时发布 v1.0.0：三年半来它一直用 b12xxx 式 nightly 编号，这是第一次正式承诺 C API 稳定。新规则：破坏 API 升主版本，兼容新增升次，修复升补丁。知乎知乎
转正先清算旧账：曾对外暴露的 255 个 llama_ 函数，删掉废弃接口后剩 237 个。最疼的坑：照教程抄的 -dt、–defrag-thold，启动直接报 invalid argument。知乎
所以作者那句大实话值得贴显示器上：值得升级，但别在主力那台上直接替。先在测试机跑通 systemd、docker 脚本；llama-server 还收紧安全，绑 0.0.0.0 又开工具调用，从警告改成直接拒启。知乎
真实惠：MoE 跑得便宜了
1.0 的王牌是 MoE 专家显存缓存：专家权重留在内存，显存只缓存热点专家。贡献者自测：Q4_0 的 Qwen3.8-Flash-Next 共 93.7GB，一张 4090 上 10.7GB vs 按层切 16.5GB，出字快约六成——均为自测，非官方基准。
20G 显存的普通 PC 跑千亿 MoE 已不是都市传说：“我绝对不知道，作为 20G 显存的普通 PC……怎么就跑到 117.6 tok/s 去了”。原帖那张面板图就是现场。知乎
FP8 KV 缓存也刚合入主干，-ctk/-ctv 新增 f8_e4m3。但别指望省容量：跟 Q8_0 一样大，收益只是预填充快 14.5%。知乎知乎
脚本先别动：直接照合并说明改，预期结果就是参数校验不通过。知乎
三件事：别急着卸载 Ollama，收费的是云端；升级前 grep 脚本里的 defrag；追新功能用 nightly，要稳定跟正式版——并存没停发。这个 11 月，本地推理转正了。知乎
