Ollama vs llama.cpp vs vLLM

维度	Ollama	llama.cpp	vLLM
用途	推理服务	推理服务	推理服务
部署形态	单机	单机	Docker
纯内网	是	是	是
显存门槛	8G	无	24G+
部署难度	●○○○○	●●○○○	●●●○○
许可	MIT	MIT	Apache-2.0
成本	自建免费	自建免费	自建免费
中文	是	是	是
扫描件 OCR	否	否	否
批量	否	否	否
多人协作	否	否	是
要注意	默认上下文短；长文档要显式调大 context 并确认显存够，否则会被静默截断。	没有现成界面，模型管理全靠命令行；团队用要自己在上面套壳。	PagedAttention 会预占显存，单卡跑大模型要先算 KV cache，容易 OOM。