«--no-mmap»: el arranque del modelo pasó de 8 minutos a minuto y medio

Qué hicimos

Arrancamos el mismo modelo (97 GB en disco) con y sin --no-mmap en llama.cpp.

Resultado

	sin --no-mmap	con --no-mmap
arranque	478 s	93 s (5,1× más rápido)
memoria disponible tras cargar	—	+1,2 GiB y menos swap

Por qué

Por defecto, llama.cpp «mapea» el fichero del modelo y deja que el sistema lo vaya leyendo según hace falta. En una máquina con memoria unificada y un modelo que ocupa casi toda la memoria, eso provoca muchas lecturas pequeñas y presión sobre la caché. Con --no-mmap lo lee de una vez.

Qué significa para ti

Si tu modelo ocupa gran parte de la memoria y tarda mucho en arrancar, prueba --no-mmap. Mide antes y después: en máquinas con memoria de sobra puede no notarse.