أصدر مشروع llama.cpp الإصدار b10751، الذي يقدم نواة مدمجة لتقليل الخبراء المرجحين في نموذج MoE (خلطة الخبراء) على CUDA. يحل هذا التحسين محل الأساس السابق الذي كان يشغل نواتين فيزيائيتين بنواة واحدة لتقليل المرجح، مما يقلل من حركة بيانات الذاكرة العالمية الوسيطة.
أصدر مشروع llama.cpp الإصدار b10750، الذي يعيد تنظيم إدارة خلايا المفتاح والقيمة لتحسين فهرسة موضع التسلسل والبحث في سجلات n-gram.
أصدر مشروع llama.cpp الإصدار b10742، والذي يتضمن ميزة جديدة تضيف ضبط المتجه السريع (fa-vec) خصيصًا لشريحة Apple A18 Pro الموجودة في MacBook Neo.
أصدر مشروع llama.cpp الإصدار b10739، والذي يتضمن تحسينًا للأداء مخصصًا لأجهزة Apple M2 Max. يقدم هذا التحديث ضبط متجه الانتباه السريع (fa-vec) المصمم خصيصًا لـ 30 نواة GPU في M2 Max.
أطلقت Hugging Face مكتبة @huggingface/kernels، وهي مكتبة لتحميل وتشغيل نوى WebGPU المحسّنة من Hub الخاص بـ Hugging Face، مع مجموعة أولية تضم 207 نواة. كما يُقدّم هذا الإصدار Fleet، وهو حزمة لمعايرة وحدة المعالجة الرسومية داخل المتصفح تجمع بين أدلة الأداء والدقة من أجهزة المستخدمين.
أصدر مشروع llama.cpp الإصدار b10734، والذي يتضمن تحديثًا لتمكين واجهة برمجة تطبيقات المصفوفات Metal 4.0 للأجهزة المزودة برقائق M5+ أو A19+.
أصدرت Turboderp تحديثات كبيرة لـ ExLlamaV3، مقدمةً قدرات إخراج إلى وحدة المعالجة المركزية لخبراء Mixture of Experts (MoE). تتضمن التحديث أيضًا دعمًا للنماذج GLM-5.3-Flash و Qwen3.8-Flash التي تم إصدارها مؤخرًا.
أصدر مشروع llama.cpp الإصدار b10724، والذي يحسّن بشكل كبير أداء استعادة خلايا ذاكرة التخزين المؤقت KV غير المتصلة عن طريق تجميع قراءات التشتت لكل تشغيل متواصل.
أصدر مشروع llama.cpp الإصدار b10721، والذي يتضمن إصلاحًا حرجًا لخلفية WebGPU ويوسع دعم الأجهزة على نظام Windows.
أصدر مشروع llama.cpp الإصدار b10718، والذي يتضمن تحديثًا مهمًا لخلفية CUDA. أبرز تغيير هو توسيع دمج Mixture of Experts (MOE) لدعم الترميز التخميني (specdec)، مما يعالج القيود السابقة حيث كان دمج MOE glu و topk-router مقيدًا بمعالجة رمز واحد فقط في كل مرة.
أصدر مشروع llama.cpp الإصدار b10715، والذي يتضمن تحسينًا رئيسيًا لتنفيذ DFlash. تم الآن دمج مشفر DFlash مباشرةً في عملية حقن ذاكرة التخزين المؤقت KV أثناء فك التشفير.
أصدر مشروع llama.cpp الإصدار b10714، الذي يتضمن تحسينات محددة لخلفية Vulkan الموجهة لأجهزة AMD Strix Halo. يعدل التحديث عدد صفوف ضرب المصفوفة بالمتجه لتحسين الأداء أثناء الاستدلال الدفعي.
أصدر مشروع llama.cpp الإصدار b10706، مقدمًا وظائف جديدة إلى الخلفية ggml. يتضمن هذا التحديث إضافة SWIGLU_CLAMP وتنفيذ shader Vulkan جديد.
أصدر مشروع llama.cpp الإصدار b10707، الذي يتضمن تحسينًا للأداء في معالجة ذاكرة التخزين المؤقت للقيم الرئيسية (KV). يعدّل التحديث الدالة `for_each_token_in` لإيقاف المسح بمجرد رؤية جميع التسلسلات داخل خلية محددة، بدلاً من التكرار عبر جميع التسلسلات القصوى الممكنة.
أصدر مشروع llama.cpp الإصدار b10688، والذي يتضمن طلب سحب (pull request) يضيف ضبط المتجه السريع (fa-vec) للهندسة المعمارية M2.
قام مشروع llama.cpp بتحديث الخلفية الخاصة بـ OpenCL لتحسين أداء ضرب المصفوفات على جيلين من وحدات معالجة الرسومات Adreno. تركز التغييرات بشكل أساسي على جيل X2E عن طريق تفعيل مسار GEMM xmem F16xF32 افتراضياً وتحسين التعامل مع جيل A7X.
أصدر مشروع llama.cpp الإصدار b10684، والذي يتضمن إصلاحًا محددًا لخلفية SYCL لجعل العلم `--fit` يحترم `--fit-target` بدقة أكبر.
أصدر مشروع llama.cpp الإصدار b10670، والذي يتضمن تحسينًا محددًا لهندسة Intel Xe2. يعيد التحديث توجيه عملية فك تشفير المفاتيح والقيم (KV) المكمّمة حصريًا إلى الخلفية الخلفية TILE لأجهزة BMG، مع الحفاظ على الخلفية الخلفية VEC على الهياكل الأخرى حتى يتم التحقق منها.
أصدر مشروع llama.cpp الإصدار b10669، والذي يتضمن تحسينًا للأداء لمسار SDPA الخاص بـ oneDNN من خلال ربط ذاكرة التخزين المؤقت KV f16 في مكانها.
يوسع إصدار llama.cpp b10666 مجموعة اختبارات حفظ/تحميل الحالة لتشغيلها عبر جميع المعماريات ويحل عدة أخطاء حرجة في إدارة الحالة ومعالجة الرسم البياني. تشمل التغييرات الرئيسية إصلاح المراجع العالقة في minimax-01، ومحاذاة نسخ الكتل لتسلسلات الجهاز، وتصحيح أعداد رؤوس المؤشر لـ deepseek4.