Compiler llama.cpp pour tirer le maximum du processeur

Lancer le serveur

shell

./build/bin/llama-server \
  -m ./modeles/Qwen3-4B-Q4_K_M.gguf \
  -c 4096 \
  -t 4 \
  --host 0.0.0.0 --port 8080

# Interface web sur http://IP:8080
# API compatible OpenAI sur http://IP:8080/v1

Option	Rôle	Conseil sur petite machine
-c	Taille du contexte	Le plus bas qui convienne : 2048 ou 4096
-t	Threads de génération	Le nombre de cœurs performants, pas le total
-ngl	Couches déchargées sur le GPU	0 sans GPU, 99 pour tout décharger
-fa	Attention rapide	À activer : réduit la mémoire du cache
--mlock	Verrouille le modèle en RAM	Utile si la machine a tendance à swapper