github llama.cpp · il y a 4 j · inference

llama.cpp b11205 ajoute le support CUDA pour la taille d'état Puzzle de 96 de Nemotron 3

Traduit de English → Français

Le projet llama.cpp a publié la version b11205, qui introduit une mise à jour spécifique de son backend CUDA. Cette version ajoute le support de la taille d'état Puzzle de 96 de Nemotron 3 dans l'implémentation du balayage SSM.

La mise à jour permet de gérer les modèles Nemotron 3 avec une taille d'état puzzle de 96 sur du matériel CUDA.
Des binaires sont fournis pour macOS (Apple Silicon et Intel), Linux (CPU, Vulkan, CUDA, ROCm, OpenVINO, SYCL, Snapdragon), Windows (CPU, CUDA, Vulkan, OpenVINO, SYCL, ROCm), Android et iOS.
La version inclut des binaires d'interface utilisateur standard aux côtés des exécutables spécifiques à la plateforme.

Cette mise à jour permet aux utilisateurs d'exécuter des modèles Nemotron 3 avec des tailles d'état spécifiques sur des GPU NVIDIA compatibles en utilisant llama.cpp.

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

Lire l'original

llama.cpp b11298 ajoute le support de dflash pour la conversion et l'extraction de fonctionnalités

Le projet llama.cpp a publié la compilation b11298, qui introduit le support du format dflash. Cette mise à jour permet à la fois la conversion des modèles vers ce format et les capacités ultérieures d'extraction de fonctionnalités.

github llama.cpp · il y a 7 h · 2 vues

llama.cpp b11284 corrige GET_ROWS sur les vues de poids quantifiés pour OpenVINO

Le projet llama.cpp a publié la version b11284, qui inclut une correction pour le backend OpenVINO afin de gérer correctement les opérations GET_ROWS sur les vues de poids quantifiés.

github llama.cpp · il y a 11 h · 2 vues

llama.cpp ajoute le support de GLM-5.3-Flash avec des correctifs k-pool et MTP

Le projet llama.cpp a ajouté un support initial pour l'architecture du modèle GLM-5.3-Flash (GLM5-Next), y compris la migration vers une mémoire à index hybride et les premières capacités de Multi-Token Prediction (MTP).

github llama.cpp · il y a 13 h · 2 vues

llama.cpp b11272 optimise l'opération de concaténation Hexagon

Le projet llama.cpp a publié la compilation b11272, qui inclut des optimisations pour le backend Hexagon. Le changement principal se concentre sur l'optimisation de l'opération de concaténation pour améliorer les performances sur le matériel Qualcomm Snapdragon.

github llama.cpp · il y a 1 j · 7 vues

llama.cpp b11260 ajoute le support de FP32 GELU_ERF et GEGLU_ERF

Le projet llama.cpp a publié la version b11260, introduisant le support des fonctions d'activation FP32 GELU_ERF et GEGLU_ERF dans le backend Hexagon. Cette mise à jour inclut également des optimisations pour réduire la pression sur les registres au sein des noyaux associés.