llama.cpp, MLX, ExLlamaV2 và ExLlamaV3: Chọn engine nào cho Local AI 2026?

Bốn họ engine local chiếm ưu thế trong 2026, mỗi họ phục vụ một mục tiêu riêng. llama.cpp chạy được ở bất cứ đâu. MLX là vũ khí của Apple Silicon. ExLlamaV2 tối ưu cho một RTX đơn. ExLlamaV3 mở rộng sang 2-4 GPU consumer với EXL3 - fit model 70B vào 16GB VRAM.