家里那张 RTX 3090 还没过时，但通用推理软件未必能把它的性能完全用出来。开发者 Brief-Tap-6616 为此做了 llamAmpere：一个从 llama.cpp 独立出来的 fork——也就是可单独维护和改造的仓库副本，专门围绕 Ampere 架构优化。Ampere 是 RTX 30 系显卡采用的一代 GPU 架构；llama.cpp 则负责把本地模型文件接到电脑的 CPU、GPU 上运行。
作者称，推荐配置运行其提供的 Qwen3.8-27B 量化模型时，在 10 万 token 范围内可达到每秒 90 多个 token，最长上下文可到 24 万 token。token 是模型切分文字的基本单位，每秒生成量（TPS）可粗略反映回复速度，但只有模型、上下文和设置一致时才适合横向比较。这条支线的意义很直接：它尝试用硬件专项优化，让大量 RTX 30 系存量显卡继续承担本地推理；代价是分支维护者还要自行跟进 llama.cpp 的更新和兼容问题。上述性能均为作者自述，材料未提供独立复测结果。