github llama.cpp · hace 8 h · inference

llama.cpp b10760 corrige la estabilidad de inferencia de Qwen3-tts-0.6b

Traducido del English → Español

El proyecto llama.cpp lanzó la compilación b10760, que incluye correcciones específicas para el modelo Qwen3-tts-0.6B para prevenir inestabilidad numérica durante la inferencia.

El cargador mtmd ahora trata proj_in del predictor de código qwen3-tts como opcional, alineándose con la implementación de referencia donde este tensor se omite.

La capa ffn_down del predictor de código se mantiene en precisión F32 porque sus activaciones alcanzan un pico alrededor de 1.5e5, excediendo el límite de F16 y causando errores NaN.

Estos cambios aseguran que el gráfico maneje correctamente los pesos faltantes y prevenga desbordamiento en capas de alta activación para este punto de control específico.

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

Leer original

llama.cpp b10763 habilita preserve_reasoning por defecto

El proyecto llama.cpp lanzó la compilación b10763, que cambia el comportamiento predeterminado del argumento de palabra clave `preserve_reasoning` de la plantilla de chat. El servidor ahora registra el estado efectivo de este kwarg y emite una advertencia cuando está habilitado por defecto en plantillas que lo admiten.

github llama.cpp · hace 23 h · 1 vista

llama.cpp b10751 fusiona la reducción de expertos ponderados de MoE para CUDA

El proyecto llama.cpp lanzó la versión b10751, que introduce un núcleo fusionado para la reducción de expertos ponderados de MoE (Mixture of Experts) en CUDA. Esta optimización reemplaza la línea base anterior que ejecutaba dos núcleos físicos con un único núcleo de reducción ponderada para reducir el tráfico intermedio de memoria global.

github llama.cpp · hace 1 d · 1 vista

llama.cpp b10750 optimiza la búsqueda de n-gramas en el caché KV para un aumento del 4,9 % en el rendimiento

El proyecto llama.cpp lanzó la compilación b10750, que reestructura la gestión de las celdas de clave y valor para mejorar la indexación de la posición de la secuencia y las búsquedas del historial de n-gramas.

github llama.cpp · hace 1 d · 1 vista

llama.cpp b10742 añade ajustes fa-vec para A18 Pro

El proyecto llama.cpp ha lanzado la versión b10742, que incluye una nueva función que añade ajustes de vector rápido (fa-vec) específicamente para el chip Apple A18 Pro encontrado en el MacBook Neo.

github llama.cpp · hace 1 d · 1 vista

llama.cpp b10739 añade ajuste fa-vec para M2 Max

El proyecto llama.cpp ha lanzado la versión b10739, que incluye una optimización de rendimiento específica para el hardware Apple M2 Max. Esta actualización introduce el ajuste de vectores de atención rápida (fa-vec) adaptado a los 30 núcleos GPU del M2 Max.