Zum Hauptinhalt springen
PromptQuorumFür Menschen gemacht. Strukturiert für KI.
Startseite/Lokale LLMs Pro
Overview & Reference

RAMen-Rezension: Lokales Sitzungsgedächtnis für llama.cpp, mit kostenlosem Tarif

·6 Min. LesezeitVon Hans Kuepper · Gründer von PromptQuorum · Entdeckungsplattform für Open-Weight- und Open-Source-KI

RAMen (Version 1.0.0, veröffentlicht am 6. November 2026) ist eine proprietäre lokale Schicht auf llama.cpp, die jeden Chat auf der Festplatte speichert, sodass er sich laut Hersteller in Sekunden wieder öffnet, mit einem kostenlosen Tarif und bezahlten Stufen. Der entscheidende Vorbehalt: Jede Tempoangabe stammt aus eigenen Tests des Herstellers, und PromptQuorum hat die Software nicht ausgeführt.

Wichtigste Erkenntnisse

  • Pflege: Version 1.0.0 erschien am 6. November 2026, dem Tag dieser Rezension, daher entfällt eine Warnung vor veralteten Projekten, und das Produkt hat noch keine Erfolgsbilanz.
  • Kosten: ein kostenloser Tarif mit begrenztem Gedächtnis, dazu bezahlte Abonnements und ein Lifetime-Angebot zum Start.
  • Installation: ein Einzeiler im Terminal auf jedem System; es gibt weder einen Installer zum Doppelklicken noch einen App-Store-Eintrag.
  • Daten: Laut Hersteller verlässt nichts Ihren Rechner außer der Installation, den Modell-Downloads und der Lizenzprüfung bei bezahlten Tarifen.

📍 In einem Satz

RAMen ist eine proprietäre Kommandozeilen-Schicht auf llama.cpp, die lokale KI-Chats auf der Festplatte speichert und lange Unterhaltungen laut Hersteller beschleunigt, mit einem kostenlosen Tarif.

💬 In einfachen Worten

Sie installieren mit einem Befehl, starten RAMen und richten Ihren Coding-Agenten oder Ihre Chat-App darauf aus; RAMen merkt sich jede Unterhaltung, sodass Sie nach einem Neustart nicht warten müssen, bis das Modell sie erneut liest.

📌Hinweis: Diese Rezension stützt sich auf getramenai.com, die Datenschutzerklärung und die Lizenzvereinbarung, die Installationsskripte und die GitHub-Release-Daten, geprüft am 6. November 2026. PromptQuorum hat RAMen weder installiert noch ausgeführt oder gemessen; Geschwindigkeit, Stabilität und Antwortqualität werden daher nicht bewertet.

Lesen auf:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

Vom Gründer geprüft. Der Gründer von RAMen hat die technischen Angaben und die Beschreibung dieses Eintrags auf Richtigkeit geprüft. Die Bewertung selbst bleibt unabhängiger redaktioneller Inhalt von PromptQuorum.

RAMen ist eine proprietäre Kommandozeilen-Schicht von NEOTECH Inc., die lokale Modelle über einen eigenen Build von llama.cpp ausführt, jeden Chat und jede Agenten-Sitzung auf der Festplatte speichert, sodass sie sich nach einem Neustart in Sekunden wieder öffnet, und nach Angabe des Herstellers lange Unterhaltungen schnell hält. Es läuft auf Macs mit Apple Silicon, unter Windows 10 und 11 sowie unter Linux, bietet eine OpenAI-kompatible API und hat einen kostenlosen Tarif. Diese Rezension behandelt, was Sie installieren, was es kostet, wohin Ihre Daten gehen und welche Aussagen nur auf den eigenen Messungen des Herstellers beruhen.

RAMen-Rezension: Lokales Sitzungsgedächtnis für llama.cpp, mit kostenlosem Tarif

Was ist RAMen?

RAMen ist ein lokaler KI-Sitzungsmanager von NEOTECH Inc., der vor llama.cpp sitzt, der quelloffenen Engine, auf der die meisten Tools für lokale Modelle laufen. Es bringt einen eigenen Build von llama.cpp (MIT-Lizenz) mit zwei Ergänzungen mit: Es speichert den Arbeitsspeicher des Modells (den KV-Cache) für jede Unterhaltung auf der Festplatte und stellt ihn wieder her, wenn die Unterhaltung weitergeht, und es liest bei jedem neuen Wort nur die Teile einer langen Unterhaltung, die dafür wichtig sind.

Die Seite des Herstellers zur Funktionsweise merkt an, dass llama.cpp bereits Slot-Speichern und -Wiederherstellen kennt und dass kleine Tools das automatisieren; RAMen beansprucht, es für jede Sitzung automatisch zu tun, mit Prüfungen, ob ein gespeicherter Cache zu Modell und Einstellungen passt. Die Software ist Closed Source unter einer proprietären Lizenzvereinbarung; das öffentliche GitHub-Repository hostet nur die Download-Pakete.

Bezugsquelle

RAMen wird im Terminal mit einem Befehl pro System installiert; die Pakete liegen auf GitHub Releases, und es gibt keinen grafischen Installer.

Option
Bezug
Mac (Apple Silicon)Terminal: curl -fsSL https://getramenai.com/install.sh | bash
Linux (x64)Derselbe Befehl; er wählt den NVIDIA-Build, wenn nvidia-smi funktioniert, sonst den CPU-Build
Windows 10/11 (x64)PowerShell: irm https://getramenai.com/install.ps1 | iex
Manueller DownloadRAMen-Releases auf GitHub, .tar.gz oder .zip mit .sha256-Prüfsummen
HandyKeine iPhone- oder Android-App erwähnt
Websitegetramenai.com
DatenschutzerklärungRAMen-Datenschutzerklärung; Lizenzvereinbarung

Geprüfte Version: 1.0.0 (6. November 2026). Ein Terminal ist erforderlich: Nach der Installation lädt ramen start ein Modell herunter, falls Sie keines haben, und startet RAMen im Hintergrund. Der Installer fügt ~/.ramen/bin zum PATH Ihrer Shell hinzu und legt gespeicherte Chats in ~/.context-engine ab; rm -rf ~/.ramen entfernt das Programm.

Anforderungen

Der Hersteller nennt keine Mindestwerte für RAM, Speicherplatz oder Betriebssystemversion; die Seite sagt nur, dass Sie einen Rechner brauchen, auf dem llama.cpp läuft.

Mac

Was die Quellen sagen:
Nur Apple Silicon (M1 oder neuer); der Installer lehnt Intel-Macs ab

Windows

Was die Quellen sagen:
Windows 10 und 11, 64 Bit; CPU-Build, mit einem NVIDIA-Build, wenn eine NVIDIA-GPU erkannt wird

Linux

Was die Quellen sagen:
Nur x64, CPU- oder NVIDIA-Build; der Installer lehnt ARM-Linux vorerst ab

Beschleunigung langer Chats

Was die Quellen sagen:
Braucht eine NVIDIA-RTX-Karte der 20er-Serie oder neuer oder einen Mac mit Apple Silicon; für reine CPU-Rechner wird sie nicht beansprucht

Modelle

Was die Quellen sagen:
Jedes GGUF-Modell oder eines, das RAMen auswählt und herunterlädt; die Modelllizenzen sind die der jeweiligen Modellhersteller

Konto

Was die Quellen sagen:
Keines für den kostenlosen Tarif; bezahlte Tarife nutzen einen Lizenzschlüssel aus dem Polar-Store

So gelingt der Einstieg

Die Schritte folgen den Seiten des Herstellers; PromptQuorum hat sie nicht ausgeführt.

  1. 1
    Installer ausführen
    Why it matters: Nutzen Sie den Einzeiler für Ihr System; die Skripte laden ein Paket herunter und prüfen dessen SHA-256-Prüfsumme vor der Installation.
  2. 2
    RAMen starten
    Why it matters: `ramen start` sucht ein Modell, das zu Ihrem Rechner passt, lädt es von Hugging Face herunter und läuft im Hintergrund, oder Sie verweisen auf eine bereits vorhandene GGUF-Datei.
  3. 3
    Apps verbinden
    Why it matters: `ramen connect cline` (oder continue, aider, opencode, open-webui) richtet das Tool ein; alles, was die OpenAI-API spricht, kann den lokalen Endpunkt nutzen.
  4. 4
    Einen bezahlten Tarif nur aktivieren, wenn Sie einen wollen
    Why it matters: `ramen activate YOUR-KEY` schaltet die bezahlten Funktionen frei; `ramen deactivate` gibt einen der Rechner eines Schlüssels frei.

Von den Quellen bestätigte Funktionen

Jeder folgende Punkt ist die Beschreibung des Herstellers; die Tempo- und Qualitätsangaben sind dessen eigene Messungen, keine unabhängigen Tests.

  • Sitzungsgedächtnis. Der KV-Cache jeder Unterhaltung wird laufend auf der Festplatte gespeichert und wiederhergestellt, wenn die Unterhaltung weitergeht, auch nach einem Neustart; viele Chats und Agenten teilen sich wenige aktive GPU-Slots, der Rest wartet auf der Festplatte. Der Hersteller berichtet, dass sich ein Chat mit 70.082 Token auf einem Mac mini M2 Pro mit Qwen3 4B in 3,7 Sekunden wieder öffnete statt nach einem erneuten Lesen von 12 Minuten und 47 Sekunden.
  • Selektives Lesen. Statt bei jedem neuen Wort den gesamten Speicher zu lesen, führt RAMen eine Zusammenfassung jedes Blocks und liest etwa 8.000 Token Umfang plus den Anfang und den jüngsten Teil der Unterhaltung, wobei der Hersteller sagt, dass dies auf Forschung zu abfragebewusster Sparse Attention (Quest, 2024) aufbaut. Es schaltet sich von selbst nur oberhalb einer Länge ein, ab der es auf Ihrem Rechner schneller ist, zwischen 16K und etwa 43K Token.
  • Hersteller-Benchmark. Auf einer NVIDIA RTX A6000 mit Qwen3 32B und einer Unterhaltung von 87K Token maß der Hersteller 20,4 Token pro Sekunde gegenüber 8,4 bei normalem llama.cpp, und auf einer NVIDIA L4 mit Qwen3 4B bei 128K Token 42,2 gegenüber 9,1; der Gewinn ist unterhalb von etwa 30K bis 40K Token auf einer schnellen NVIDIA-Karte klein.
  • Viele Agenten, eine GPU. Beim Wechsel zwischen Agenten macht jeder dort weiter, wo er aufgehört hat; der Hersteller nennt 99,7 Prozent des Verlaufs jedes Agenten wiederverwendet, wenn sich drei Agenten eine GPU teilen.
  • Grenzen, die der Hersteller nennt. Selektives Lesen beschleunigt das Schreiben, nicht das erste Lesen eines neuen langen Prompts; es lässt sich noch nicht mit Entwurfsmodellen (Speculative Decoding) kombinieren; Modelle mit Sliding Window gewinnen kaum an Tempo.

Tarife und Preise

RAMen hat einen kostenlosen Tarif und bezahlte Abonnements über den Polar-Store; jede Installation startet mit 14 Tagen aller Funktionen, ohne Karte.

Free

Preis:
0 $, ohne Enddatum
Was enthalten ist:
Merkt sich die letzten 3 Chats, jeweils einen Chat gleichzeitig; funktioniert mit Ihren Apps

Pro

Preis:
3,99 $ pro Monat oder 29 $ pro Jahr
Was enthalten ist:
Merkt sich jeden Chat und jede Agenten-Sitzung, viele Agenten auf einer GPU, lange Chats bleiben schnell, bis zu 3 Rechner

Team

Preis:
9,99 $ pro Person und Monat, ab 3 Personen
Was enthalten ist:
Pro für alle im Team, übertragbare Plätze, E-Mail-Support mit Vorrang

Server

Preis:
149 $ pro Server und Monat
Was enthalten ist:
Ein GPU-Rechner für ein Team, ein Schlüssel pro Person, Nutzung pro Person, Prometheus-Metriken

Enterprise

Preis:
Auf Anfrage
Was enthalten ist:
Offline-Lizenzen für Rechner ohne Internet, Rechnungen, Bestellungen, ein Supportvertrag

Die Website bewirbt außerdem ein Startangebot, Pro auf Lebenszeit für einmalig 19,99 $ für die ersten 1.000 Käufer. Die Preise gelten in US-Dollar, und die Umsatzsteuer wird beim Bezahlen berücksichtigt; bestätigen Sie sie vor dem Kauf auf der Website des Herstellers. Endet eine bezahlte Lizenz, läuft RAMen laut Lizenzvereinbarung im kostenlosen Tarif weiter.

Datenfluss und Datenschutz

Die Datenschutzerklärung (gültig ab 6. November 2026) besagt, dass RAMen auf Ihrem Rechner läuft und dass Ihre Prompts, Dateien, Unterhaltungen und Modelle dort bleiben. Sie nennt, was RAMen sendet: bei bezahlten Tarifen beim Start den Lizenzschlüssel, die Store-Kennung und eine anonyme Rechnerkennung (die Plattform plus ein kurzer, aus dem Rechner abgeleiteter Code, nie sein Name) an den Zahlungsdienstleister Polar; und, wenn ramen start ein Modell herunterlädt, eine Verbindung zu Hugging Face, das Ihre Internetadresse und die angeforderte Datei sieht. Die Erklärung gibt an, dass die Software weder Analyse noch Absturzberichte noch Tracking enthält.

Die Website zählt Besuche mit Cloudflare Web Analytics ohne Cookies und wird auf GitHub Pages gehostet. Käufe laufen über Polar, das dem Hersteller Ihren Namen, Ihre E-Mail-Adresse, Ihr Land und das Gekaufte übermittelt. Das Formular für die Start-Erinnerung auf der Website speichert Ihre E-Mail-Adresse bei Cloudflare. Die Startseite sagt, dass die Software zwischen Lizenzprüfungen offline weiterarbeitet, und der Enterprise-Tarif bietet Offline-Lizenzen.

📌Hinweis: Das sind Aussagen des Herstellers, keine Prüfergebnisse, und PromptQuorum hat den Netzwerkverkehr nicht untersucht. Die Software ist Closed Source, daher lassen sich die Angaben nicht am Code überprüfen.

Für wen sich RAMen eignet

  • Nutzer von Coding-Agenten, die Cline, Continue, Aider oder OpenCode gegen ein lokales Modell betreiben und Zeit verlieren, wenn eine lange Sitzung nach einem Neustart erneut gelesen werden muss.
  • Besitzer eines NVIDIA-RTX- oder Apple-Silicon-Rechners, die mit sehr langen Unterhaltungen arbeiten, wo der Hersteller die größten Gewinne berichtet.
  • Vorsichtige Käufer, die einen kostenlosen Tarif und eine 14-tägige Testphase ausprobieren möchten, bevor sie etwas bezahlen.

Was wir nicht überprüfen konnten

  • Geschwindigkeit und Qualität. Alle Benchmark-Zahlen und die Aussage identischer Antworten stammen vom Hersteller; PromptQuorum führte keine Tests durch und fand keine unabhängigen Messungen.
  • Reife. Version 1.0.0 ist das erste öffentliche Release, und der Product-Hunt-Start des Produkts ist für den 8. November 2026 angekündigt, daher gibt es keine Langzeitbilanz zu Stabilität oder Support.
  • Quellcode und Prüfung. Es gibt keinen öffentlichen Quellcode von RAMen und kein Audit durch Dritte; die Lizenzvereinbarung verbietet Reverse Engineering, außer soweit das Gesetz es erlaubt.
  • Anforderungen. Es sind keine Mindestwerte für RAM, Speicherplatz oder Betriebssystemversionen veröffentlicht, und es gibt keine Unterstützung für Intel-Macs, ARM-Linux oder Handys.
  • Lizenzdetails. Die Lizenzprüfung bei bezahlten Tarifen wurde beschrieben, ihr genauer Datenverkehr aber nicht untersucht.

Wettbewerber und Alternativen

llama.cpp

Plattformen:
Mac, Windows, Linux
Preis / Lizenz:
Gratis / MIT
Hauptunterschied:
Die quelloffene Engine, auf der RAMen aufbaut; Slot-Speichern und -Wiederherstellen erfolgen manuell
Artikel über llama.cpp (9)

+176 weitere nicht angezeigt

Ollama

Plattformen:
Mac, Windows, Linux
Preis / Lizenz:
Gratis / MIT
Hauptunterschied:
Quelloffener Modell-Runner mit Modellbibliothek und lokaler API
Artikel über Ollama (10)

+333 weitere nicht angezeigt

KoboldCpp

Plattformen:
Mac, Windows, Linux
Preis / Lizenz:
Gratis / AGPL-3.0
Hauptunterschied:
llama.cpp-Fork in einer einzigen Datei mit eingebauter Chat- und Schreiboberfläche
Artikel über KoboldCpp (10)

+5 weitere nicht angezeigt

Prüfen Sie Preis, Lizenz und Plattformen jeder App vor der Entscheidung auf deren eigener Seite.

Im Verzeichnis vergleichen

Häufig gestellte Fragen

Verändert selektives Lesen die Antworten eines Modells?

Der Hersteller sagt, dass RAMen genau denselben Text schreibt wie normale Attention, wenn die Auswahl die gesamte Unterhaltung abdeckt, und dass es in 54 von 54 Tests mit langen Dokumenten von 16K bis 64K Token dieselben Antworten gab wie volle Attention. Das sind Tests des Herstellers, die nicht unabhängig geprüft wurden.

Was passiert mit meinen gespeicherten Chats, wenn ich nicht mehr zahle?

RAMen läuft im kostenlosen Tarif weiter, der die 3 zuletzt verwendeten gespeicherten Chats behält und ältere gespeicherte Kopien von der Festplatte löscht, sobald neue Chats gespeichert werden (der Hersteller hat das PromptQuorum am 6. November 2026 bestätigt). Die Unterhaltungen selbst bleiben in Ihrer App erhalten, weil RAMen den Arbeitsspeicher des Modells sichert, nicht den Chattext; ein älterer Chat funktioniert also weiterhin, wird aber wie bei reinem llama.cpp von vorn neu eingelesen.

Funktioniert RAMen offline?

Der Hersteller sagt, es funktioniere offline, sobald ein Modell auf der Festplatte liegt, und bezahlte Tarife arbeiten zwischen Lizenzprüfungen weiter. Die erste Installation und jeder Modell-Download brauchen eine Internetverbindung.

Wird RAMen vom llama.cpp-Team entwickelt?

Nein. NEOTECH Inc. stellt RAMen her und sagt, es baue auf llama.cpp auf, das mit seiner MIT-Lizenz ausgeliefert wird; das Projekt llama.cpp selbst ist ein eigenständiges Open-Source-Projekt.

Fazit

RAMen bietet eine kostenlos testbare, proprietäre Schicht auf llama.cpp, die Chats auf der Festplatte speichert, Agenten-Sitzungen in Sekunden wieder aufnimmt und nach den Messungen des Herstellers sehr lange Unterhaltungen auf NVIDIA-RTX- und Apple-Silicon-Rechnern beschleunigt. Dagegen ist es ein erstes Release ohne Erfolgsbilanz, es lässt sich nur über ein Terminal installieren, es ist Closed Source, bezahlte Tarife kontaktieren beim Start einen Lizenzserver, und jede Leistungsangabe stammt vom Hersteller selbst. Es passt zu Menschen, die lange lokale Chats oder Coding-Agenten nutzen und bereit sind, es im kostenlosen Tarif zu testen; wer geprüften Datenschutz oder verifizierte Tempoangaben braucht, sollte auf unabhängige Ergebnisse warten.

Quellen

← Zurück zu Lokale LLMs Pro

MCP