本地跑大模型时，常见的尴尬是：机器装得下模型，生成却仍要一个字一个字地等。如今，llama.cpp——消费级硬件常用的本地大模型推理引擎——已经可以为 GLM-4.5-Air 开启 MTP（Multi-Token Prediction，多 Token 预测）。它会提前提出多个后续 Token（模型生成文字时的基本单位）候选，再配合主模型验证；候选通过，就能减少逐个生成的串行等待。
GLM-4.5-Air 是一个总计 106B、每步仅激活 12B 参数的 MoE（Mixture of Experts，混合专家）模型。简单说，它像一间有许多专家的大机构，每次只请少数人处理任务：完整权重仍然吃内存，但单步计算量较低。因此，它尤其适合内存较充裕、算力相对有限的本地设备。提交者 jacek2023 称，开启 MTP 可获得“不错的提速”，并表示自己在 3090 上使用；如果现有 GGUF 模型文件没有包含 MTP 模块，还可另行下载一个小文件补上。不过供稿没有披露具体速度、接受率或硬件对比数据，实际收益仍要看设备与运行设置。