先上结论，截止到目前2025.7.25日，还不能用。也就是Ernie4.5模型无法在llama.cpp 和Ollama上进行推理，原因主要就llama是不支持Ernie4.5异构MoE架构。
不局限于FreeBSD系统，Windows也测试失败，理论上Ubuntu下也是不行。
所做尝试
安装llama-cpp
首先pkg安装llama-cpp
pkg install llama-cpp也尝试了编译安装
下载源代码
git clone https://github.com/ggerganov/llama.cpp进入llama.cpp目录
编译安装
mkdir build
cd build
cmake ..
cmake --build . --config Release将编译好的路径加入PATH
export PATH=~/github/llama.cpp/build/bin:$PAT这样就可以执行llama.cpp了。
直接编译，最后生成的可执行文件是main，执行起来是这样：
main -m ~/work/model/chinesellama/ggml-model-f16.gguf -p "Building a website can be done in 10 simple steps:\nStep 1:" -n 400 -e
下载模型
从这个网址下载：unsloth/ERNIE-4.5-0.3B-PT-GGUF at main
如果下载很慢，可以考虑从huggingface官网下载，当然需要科学上网。
下载完毕：
ls E*
ERNIE-4.5-0.3B-PT-F16.gguf ERNIE-4.5-0.3B-PT-Q2_K.gguf
也可以下载普通的模型文件，然后用转换程序，转换为gguf格式模型
python convert.py ~/work/model/chinesellama/
运行
llama-cli -m ERNIE-4.5-0.3B-PT-Q2_K.gguf -p "hello"如果编译后的文件为main，那么执行：
main -m ERNIE-4.5-0.3B-PT-Q2_K.gguf -p "hello"运行失败。
总结
截止目前Ernie4.5还不能用llama推理。
说实话，这确实限制了Ernie4.5的普及。
调试
报错Terminating due to uncaught exception 0x28323c45c340 of type std::runtime_error
main: chat template is available, enabling conversation mode (disable it with -no-cnv)
*** User-specified prompt will pre-start conversation, did you mean to set --system-prompt (-sys) instead?
[New LWP 112399 of process 29362]
[New LWP 112400 of process 29362]
[New LWP 112401 of process 29362]
[New LWP 112402 of process 29362]
0x0000000829dc1818 in _wait4 () from /lib/libc.so.7
#0 0x0000000829dc1818 in _wait4 () from /lib/libc.so.7
#1 0x0000000821b3993c in ?? () from /lib/libthr.so.3
#2 0x00000008231e6809 in ?? () from /usr/local/lib/libggml-base.so
#3 0x00000008281be199 in std::terminate() () from /lib/libcxxrt.so.1
#4 0x00000008281be674 in ?? () from /lib/libcxxrt.so.1
#5 0x00000008281be589 in __cxa_throw () from /lib/libcxxrt.so.1
#6 0x00000000002d8070 in ?? ()
#7 0x00000000002d8adc in ?? ()
#8 0x000000000025e8b8 in ?? ()
#9 0x0000000829d0dc3a in __libc_start1 () from /lib/libc.so.7
#10 0x000000000025e120 in ?? ()
[Inferior 1 (process 29362) detached]
Terminating due to uncaught exception 0x28323c45c340 of type std::runtime_error
终止陷阱（核心已转储）
大约是内存不足
后来在Windows下用llama.cpp，报错：
print_info: file size = 688.14 MiB (16.00 BPW)
llama_model_load: error loading model: error loading model architecture: unknown model architecture: 'ernie4_5'
llama_model_load_from_file_impl: failed to load model
common_init_from_params: failed to load model 'e:\360Downloads\ERNIE-4.5-0.3B-PT-F16.gguf'
main: error: unable to load model证明确实无法用llama进行推理。