github llama.cpp · il y a 2 j · inference

llama.cpp b10688 ajoute des réglages fa-vec pour M2

Traduit de English → Français

Le projet llama.cpp a publié la compilation b10688, qui inclut une demande de tirage (pull request) ajoutant des réglages de vecteur rapide (fa-vec) pour l'architecture M2.

Cette mise à jour fournit des binaires et des frameworks sur plusieurs plateformes et configurations matérielles. Les compilations macOS sont disponibles pour Apple Silicon et Intel, tandis que les utilisateurs d'iOS peuvent accéder à un XCFramework. Le support Linux couvre les variantes CPU, Vulkan, ROCm 7.14, OpenVINO et SYCL pour les architectures x64, arm64 et s390x. Les versions Windows incluent le support du CPU, OpenCL Adreno, Vulkan, ROCm 7.14, OpenVINO, SYCL et CUDA 12/13 pour x64 et arm64. Des binaires Android arm64 sont également fournis.

La publication permet aux utilisateurs d'exécuter llama.cpp sur une large gamme de dispositifs et d'accélérateurs en utilisant les derniers artefacts de compilation.

Importance 1/3 Confiance 1/3 llama.cpp Inference efficiency Local inference

Lire l'original

llama.cpp b10721 corrige le plantage de WebGPU et ajoute le support de CUDA 13.4 sur Windows

Le projet llama.cpp a publié la compilation b10721, qui inclut une correction critique pour le backend WebGPU et étend la prise en charge du matériel sous Windows.

github llama.cpp · il y a 2 h

llama.cpp b10718 étend la fusion MOE à specdec et multi-token

Le projet llama.cpp a publié la version b10718, qui comprend une mise à jour significative de son backend CUDA. Le changement le plus notable est l'extension de la fusion Mixture of Experts (MOE) pour prendre en charge le décodage spéculatif (specdec), répondant aux limitations précédentes où la fusion MOE glu et topk-router était restreinte au traitement d'un seul token à la fois.

github llama.cpp · il y a 5 h · 1 vue

llama.cpp b10715 fusionne le codeur DFlash dans l'injection de cache KV

Le projet llama.cpp a publié la compilation b10715, qui inclut une optimisation clé de l'implémentation de DFlash. Le codeur DFlash est désormais fusionné directement dans le processus d'injection du cache KV lors du décodage.

github llama.cpp · il y a 6 h · 1 vue

llama.cpp b10714 ajuste les lignes mat-vec Vulkan pour Strix Halo

Le projet llama.cpp a publié la compilation b10714, qui inclut des optimisations spécifiques pour le backend Vulkan ciblant le matériel AMD Strix Halo. La mise à jour ajuste les compteurs de lignes de multiplication matrice-vecteur pour améliorer les performances lors de l'inférence par lots.

github llama.cpp · il y a 12 h · 3 vues

llama.cpp b10706 ajoute le support de SWIGLU_CLAMP et des shaders Vulkan

Le projet llama.cpp a publié la compilation b10706, introduisant de nouvelles fonctionnalités dans le backend ggml. Cette mise à jour inclut l'ajout de SWIGLU_CLAMP et une nouvelle implémentation du shader Vulkan.