llama.cpp 1.0.0是本地跑大模型的推理引擎，不是聊天软件，也不是模型本身。它于2026年11月13日发布1.0.0正式版，最大的变化是给了版本承诺：今后公开C API的破坏性变更用大版本号升级，兼容新功能用小版本，修问题用补丁版本。新手不用急着编译，先分清自己走哪条路，再决定升不升级。
新手先搞清这三件事
- 它只负责“跑”模型：想聊天，得再配llama-server、llama.app，或Ollama、LM Studio这类上层工具，光下载引擎是跑不起来的。
- 模型要用GGUF格式：llama.cpp跑的是GGUF模型文件，不是随便一个模型权重都能直接塞进去，下载前先确认格式。
- 1.0.0是“稳定版承诺”，不是“更快”：官方没有承诺提速，别冲着性能升级，先看下面的删改会不会影响你。
升级前先查这两处删改
1.0.0删掉了35个已弃用的公开函数和llama_set_warmup，还删了defrag_thold与--defrag-thold启动参数。如果你沿用旧启动脚本或自己写过程序调用，先搜一遍有没有用到这些名字，命中就得改，否则升级后直接报错。NextN推测解码API从llama-ext.h提升进主头文件llama.h，开发者按新头文件调整引用即可。新功能方面，1.0.0新增OCP FP8 KV缓存、宿主内存MoE专家缓存和外部PLE分片加载，还支持Kimi-K3.1-Pro等新架构，llama-server新增OpenAI兼容的/v1/audio/speech端点，并修复了CORS、DNS重绑等安全问题。
新手上手走这三条路
- 最省事：用预编译产物或llama.app。1.0.0预编译覆盖Linux、macOS、Windows、Android、iOS，还有Docker、Homebrew、conda-forge等渠道，不用自己编译。
- 想当服务用：起llama-server，对外提供OpenAI兼容接口，再接自己的聊天前端。
- 想自己改：从GitHub上ggml-org的llama.cpp仓库拉源码编译，适合开发者，普通用户没必要走这条路。
1.0.0刚发布，旧绑定和旧脚本的适配需要时间，生产环境别抢第一时间升级，先在测试机上跑通再换。Web UI这次改版不小，侧边栏可折叠、聊天可分组，界面变了不代表用法全变，先按老习惯找入口，找不到再看新布局。
