Chạy các mô hình ngôn ngữ lớn cục bộ đòi hỏi phải thu nhỏ dung lượng file mà không làm giảm chất lượng. Hướng dẫn này đi qua toàn bộ pipeline llama.cpp: tải mô hình từ Hugging Face, chuyển đổi sang định dạng GGUF, và quantize xuống Q4_K_M hoặc các mức khác để phù hợp với phần cứng thông thường.