核显跑大模型没有独显那么「开箱即用」,踩过的坑我都替你踩了。这份清单按时间顺序,从装环境 → 下载模型 → 选择后端 → 跑服务四个阶段整理,每个坑都给报错特征和解法。
阶段一:装环境
坑 1:0xC0000135 DLL 缺失
下载 llama.cpp 版后一运行就报 0xC0000135。原因:系统缺 vcruntime140.dll / msvcp140.dll。
解法:安装微软官方 VC_redist.x64.exe 即可。
(新装机 / 精简版系统特别常见,装一次永久解决)
坑 2:版本对不上报错含义全靠猜
llama.cpp 版本推进快,b10621 时代 --dynamic-kv-cache 不存在(报 invalid argument)、默认端口未来要改 9931。参数名 / 行为以你下载的版本为准,过时教程的参数别照抄。
阶段二:下载模型
坑 3:HF 直连超时
HuggingFace 直连常超时(实测低至 60 KiB/s)。换 hf-mirror.com 镜像能到 51 MiB/s。但镜像下完要逐文件校验——见坑 4。
坑 4:下载批次静默漏文件
多线程下载大模型时,首批批次可能静默漏掉小文件(我遇到漏了 openvino_text_embeddings_model.xml),后续报错极其诡异(embedder 创建异常)。下载完逐文件核对清单,OpenVINO IR 目录共 16 个必需小文件(6×xml+bin + tokenizer/detokenizer + config/json/jinja)。
阶段三:选择后端
坑 5:Vulkan OutOfDeviceMemory(OOM)
OutOfDeviceMemory / UR_RESULT_ERROR_OUT_OF_DEVICE_MEMORY:模型超过核显可用预算。核显可用内存由注册表决定(默认 57%),改 SystemPartitionCommitLimitPercentage 到 87/90 并重启即可(详见核显共享显存调优)。
坑 6:OpenVINO res=-3
llama.cpp 的 OpenVINO 后端加载 26B 成功,但 prompt 解码报 res=-3。原因:gemma4 架构不在 OpenVINO 官方验证表(只覆盖 E2B/E4B/12B),且仅 stateless 模式可用。llama-bench 需加 -fa 1,长上下文崩溃(E4B pos≈1024、12B pos≈1536/2048)是已知 bug。
坑 7:OpenVINO GPU 默认走 CPU
llama.cpp 的 OpenVINO 后端默认用 CPU,要设 GGML_OPENVINO_DEVICE=GPU 才走核显。用前先确认设备识别。
坑 8:GPU 向参数在纯 CPU 上全是负优化
纯 CPU 跑时,--flash-attn、KV 量化、投机解码全都没正收益(见纯 CPU 实测)。线程数 = 物理核心数,多开只会更慢。
阶段四:跑服务
坑 9:后台进程被回收,服务无法常驻
用 schtasks / WScript / Start-Process 拉起的 llama-server 会被系统回收,无法常驻。必须在你自己的终端手动运行。Start-Process 在 PowerShell 里会随会话结束退出。
坑 10:回答为空但 token 在涨
supergemma4 等社区模型带思考块,默认 reasoning_format=deepseek,思考内容全进 reasoning_content、content 为空。服务端加 -rea off 即可让正文直接进 content(详见llama-server 服务化)。
坑 11:长上下文 ErrorDeviceLost
Intel 核显 Vulkan 在 20K+ 长 prefill 时 vk::Queue::submit: ErrorDeviceLost——驱动级 bug,需 -ub 128/256 切块解决(详见20K 长上下文崩溃排查)。
坑 12:多模态模型忘带 mmproj
视觉模型(Qwen3-VL 等)必须同时下 mmproj 视觉编码器文件并加 --mmproj 参数(详见VL 坐标识别实测)。
总结
- 环境装好一次性解决:VC_redist + 版本自查,后面省一半时间
- 下载必校验:静默漏文件最坑,逐文件核对清单
- 报错先查后端:OOM 调注册表,res=-3 换路线,ErrorDeviceLost 上 -ub
- 服务要常驻,自己终端跑
