1GB 显卡就能跑！LFM3-1.7B 模型本地部署 + 实测｜AI 代理、工具调用、256K 超长上下文

大家好，我是超哥。今天给大家分享 LFM3-1.7B AI 模型的本地部署教程！这款模型专注于 AI 代理和工具调用，支持最高 256K 超长上下文，最低 1GB 显存的显卡就能运行。它不仅能进行文本对话，还能配合外部工具完成信息搜索、数学计算和多步任务执行。今天我们将使用 llama.cpp 在本地部署，并接入 Hermes Agent，实现工具调用等功能。下面我们开始教程！

博主电脑环境

显卡：NVIDIA RTX 4080 SUPER（16GB）

CPU：AMD R9 7900X 12-Core Processor（12核）

内存：64GB DDR5（3600 MHz）

一、LFM3-1.7B 大模型下载

夸克网盘模型下载地址：https://pan.quark.cn/s/15a1e7545f4c?pwd=Gq6s

Hugging Face 模型下载地址：https://huggingface.co/LiquidAI/LFM3-1.7B-GGUF/tree/main

二、下载并配置 llama.cpp

1、下载并安装 llama.cpp

夸克网盘下载地址：https://pan.quark.cn/s/60c61b21535e?pwd=pPWT

Github 下载地址：https://github.com/ggml-org/llama.cpp/releases

版本	适用硬件	说明
Windows x64 (CPU)	Intel / AMD CPU	仅使用处理器运行
Windows arm64 (CPU)	ARM 架构 Windows 设备	适用于骁龙 X Elite 等 ARM 平台
Windows x64 (CUDA 12)	NVIDIA 显卡	推荐大多数 RTX/GTX 用户使用
Windows x64 (CUDA 13)	NVIDIA 显卡	适用于较新的 NVIDIA 驱动
Windows x64 (Vulkan)	AMD / Intel / NVIDIA 显卡	通用显卡加速版本
Windows x64 (SYCL)	Intel Arc 显卡	Intel Arc 用户专用版本
Windows x64 (HIP)	AMD Radeon 显卡	AMD 用户首选版本

注意：显卡用户别忘了下载下图主程序后面的DLLs文件，下载后把里面的内容解压到llama.ccp主程序的根目录里，不然无法使用显卡运行模型。

2、LFM3-1.7B 接入 llama.cpp

把下载到的大模型放到 llama.ccp 程序的根目录下的 models 目录里（需自行创建目录）

3、配置启动脚本

llama.ccp 程序的根目录创建启动脚本，命名成：启动.bat


@echo off
chcp 65001 >nul
title LFM3-1.7B - llama.cpp

cd /d "%~dp0"

echo.
echo ========================================
echo       XChaoGe.Com
echo       llama.cpp Local AI Server
echo ========================================
echo.
echo.

llama-server.exe ^
  -m "models\模型名" ^
  --host 127.0.0.1 ^
  --port 8085 ^
  -c 65536 ^
  --fit on ^
  -fa auto ^
  --jinja ^
  --parallel 1 ^
  --alias LFM3-1.7B ^
  --temp 0.1 ^
  --top-k 50 ^
  --repeat-penalty 1.1 ^
  -ngl 99 ^
  -n 65536

pause

访问控制面板 URL：

http://127.0.0.1:8085

参数说明：

参数	设置	说明
-m	models\模型名	指定模型文件
--host	127.0.0.1	仅允许本机访问服务
--port	8085	设置服务监听端口
-c	65536	设置上下文长度为 64K Token，最大256K
--fit	on	自动调整模型配置，以适配可用硬件资源
-fa	auto	自动设置 Flash Attention
--jinja	开启	启用 Jinja 聊天模板处理，支持兼容模板的工具调用
--parallel	1	设置单路并行处理
--alias	LFM3-1.7B	设置 API 中的模型名称
--temp	0.1	控制生成随机性，较低的值通常使输出更稳定
--top-k	50	限制每次采样时参与选择的候选 Token 数量
--repeat-penalty	1.1	适度抑制重复内容
-ngl	99	尽可能将模型层加载到 GPU，实际分配受显存和运行环境限制
-n	65536	单次回答最多生成Token；与 -c 参数保持一致即可