github llama.cpp · hace 2 d · inference

llama.cpp b10688 añade ajustes fa-vec para M2

Traducido del English → Español

El proyecto llama.cpp ha lanzado la compilación b10688, que incluye una solicitud de extracción (pull request) que añade ajustes de vector rápido (fa-vec) para la arquitectura M2.

Esta actualización proporciona binarios y marcos de trabajo en múltiples plataformas y configuraciones de hardware. Las compilaciones de macOS están disponibles para Apple Silicon e Intel, mientras que los usuarios de iOS pueden acceder a un XCFramework. El soporte de Linux cubre variantes de CPU, Vulkan, ROCm 7.14, OpenVINO y SYCL para las arquitecturas x64, arm64 y s390x. Las versiones de Windows incluyen soporte para CPU, OpenCL Adreno, Vulkan, ROCm 7.14, OpenVINO, SYCL y CUDA 12/13 tanto para x64 como para arm64. También se proporcionan binarios para Android arm64.

El lanzamiento permite a los usuarios ejecutar llama.cpp en una amplia gama de dispositivos y aceleradores utilizando los últimos artefactos de compilación.

Importancia 1/3 Confianza 1/3 llama.cpp Inference efficiency Local inference

Leer original

llama.cpp b10721 corrige el fallo de WebGPU y añade soporte para CUDA 13.4 en Windows

El proyecto llama.cpp ha lanzado la compilación b10721, que incluye una corrección crítica para el backend de WebGPU y amplía el soporte de hardware en Windows.

github llama.cpp · hace 2 h

llama.cpp b10718 extiende la fusión MOE a specdec y multi-token

El proyecto llama.cpp lanzó la versión b10718, que incluye una actualización significativa en su backend CUDA. El cambio más notable es la extensión de la fusión Mixture of Experts (MOE) para admitir la decodificación especulativa (specdec), abordando limitaciones anteriores donde la fusión MOE glu y topk-router estaba restringida a procesar solo un token a la vez.

github llama.cpp · hace 5 h · 1 vista

llama.cpp b10715 fusiona el codificador DFlash en la inyección de caché KV

El proyecto llama.cpp lanzó la compilación b10715, que incluye una optimización clave en la implementación de DFlash. El codificador DFlash ahora se fusiona directamente en el proceso de inyección del caché KV durante la decodificación.

github llama.cpp · hace 6 h · 1 vista

llama.cpp b10714 ajusta las filas de mat-vec de Vulkan para Strix Halo

El proyecto llama.cpp lanzó la compilación b10714, que incluye optimizaciones específicas para el backend de Vulkan dirigido al hardware AMD Strix Halo. La actualización ajusta los conteos de filas de multiplicación de matriz por vector para mejorar el rendimiento durante la inferencia en lotes.

github llama.cpp · hace 12 h · 3 vistas

llama.cpp b10706 añade soporte para SWIGLU_CLAMP y shaders de Vulkan

El proyecto llama.cpp ha lanzado la compilación b10706, introduciendo nueva funcionalidad en el backend ggml. Esta actualización incluye la adición de SWIGLU_CLAMP y una nueva implementación del shader de Vulkan.