github llama.cpp · ahora mismo · inference

llama.cpp b10896 corrige el fallo de decodificación de DFlash con modelos de visión

Traducido del English → Español

El proyecto llama.cpp lanzó la compilación b10896, que aborda un problema crítico donde la memoria del redactor fallaba al asignar nuevos tokens al usar DFlash con modelos de visión. Este fallo ocurrió porque las imágenes reportaban un desplazamiento fijo, impidiendo la asignación adecuada de tokens.

La corrección detiene la copia de los desplazamientos de imagen para permitir que el redactor continúe decodificando.
El salto de M-RoPE se limita solo a imágenes, permitiendo que el audio pase sin cambios.
Los comentarios fueron limpiados para alinearse con la lógica de implementación actualizada.

Esta actualización asegura que la decodificación especulativa con DFlash funcione correctamente para modelos multimodales resolviendo errores de asignación de memoria causados por el manejo de metadatos de imagen.

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

Leer original

llama.cpp desactiva la carga perezosa de tensores por defecto en GPUs integradas

El proyecto llama.cpp ha desactivado la carga perezosa de tensores por defecto para GPUs integradas (iGPUs) en la versión b10867. Este cambio aborda una regresión introducida en la configuración anterior del modo "AUTO".

github llama.cpp · hace 2 d · 4 vistas

llama.cpp b10864 corrige la evicción de puntos de control para modelos híbridos

El proyecto llama.cpp lanzó la compilación b10864, que incluye una corrección para la lógica de evicción de espacios de los puntos de control en `create_checkpoint()`. Anteriormente, la regla de evicción mantenía el punto de control más antiguo y borraba los posteriores dentro de `checkpoint_min_step`, lo que hacía que los prompts más cortos que ese umbral perdieran el punto de control necesario para la reanudación. Esto obligaba a los modelos híbridos y recurrentes a reprefijar innecesariamente desde el punto de control anterior.

github llama.cpp · hace 3 d · 6 vistas

llama.cpp b10844 añade operaciones fusionadas de hiperconexión Vulkan para DeepSeek-V4

El proyecto llama.cpp lanzó la versión b10844, introduciendo soporte para operaciones fusionadas de hiperconexión DeepSeek-V4 (DSV4_HC_COMB/PRE/POST) en el backend de Vulkan. Esta actualización lleva a Vulkan al mismo nivel que CUDA y Metal en cuanto a estas optimizaciones específicas.

github llama.cpp · hace 3 d · 5 vistas

llama.cpp b10842 añade soporte HIP para gfx90c

El proyecto llama.cpp lanzó la compilación b10842, que introduce soporte para la arquitectura gfx90c a través de HIP.

media Hugging Face Forums · hace 3 d · 9 vistas

AI Model Radar se lanza con ajuste de hardware medido para modelos abiertos

Un nuevo sitio llamado AI Model Radar ayuda a los usuarios a determinar qué modelos abiertos realmente se ajustan a su GPU o Mac utilizando datos medidos en lugar de estimaciones. La plataforma calcula los tamaños de pesos basándose en archivos GGUF publicados reales y computa la capa de caché de contexto capa por capa desde las configuraciones del modelo.