Nge-serve Model Sendiri dengan llama.cpp: GPU Offload, Cache, dan Jebakan Jawaban yang Nyangkut

Model sudah selesai di-fine-tune. Langkah berikutnya: bagaimana cara benar-benar memakainya — bukan di notebook training, tapi disajikan seperti API sungguhan, dengan cache biar tidak menghitung ulang