github llama.cpp · 1 jam lalu · inference

Aaron Teo menambahkan argumen -lm mlock ke llama.cpp

Diterjemahkan dari English → Bahasa Indonesia

Aaron Teo telah mengirimkan perubahan ke repositori llama.cpp yang memperkenalkan argumen baris perintah `-lm mlock` baru. Penambahan ini memungkinkan pengguna untuk mengunci memori secara eksplisit di wilayah tempat kode melakukan operasi `mlock` tetapi tidak menggunakan `mmap`.

Komit tersebut juga mencakup pembaruan dokumentasi dan perbaikan untuk poin tinjauan otomatis, sambil mengembalikan perubahan sebelumnya terhadap makna flag `--mlock` untuk memastikan hal tersebut hanya berlaku untuk skenario mlock non-mmap.

Kepentingan 1/3 Kepercayaan 1/3 llama.cpp Inference efficiency Local inference

Baca aslinya

llama.cpp b10093 memperbaiki template DeepSeek v4 dan menambahkan flag drop_reasoning

Proyek llama.cpp telah merilis build b10093, yang mencakup pembaruan spesifik untuk mendukung model DeepSeek v4. Rilis ini menangani penanganan template dan memperkenalkan flag konfigurasi baru untuk keluarga model ini.

github llama.cpp · 5 hari lalu · 1 tayangan

llama.cpp b10089 menambahkan dukungan penuh k-quant dan i-quant ke CUDA GET_ROWS

Rilis llama.cpp b10089 memperluas operasi CUDA GET_ROWS untuk mendukung format kuantisasi k-quants, i-quants, dan mxfp4. Perubahan ini memastikan bahwa semua jenis GGML yang terkuantisasi sekarang dapat mengambil jalur perangkat langsung untuk pencarian embedding.

github llama.cpp · 6 hari lalu

llama.cpp b10076 memvektorkan get_rows dengan salinan int4 untuk percepatan 27%

Proyek llama.cpp merilis build b10076, yang memperkenalkan optimasi kinerja pada backend CUDA dengan memvektorkan operasi `get_rows` menggunakan salinan int4. Perubahan ini mengangkat pekerjaan invarian baris keluar dari loop per-elemen dan menambahkan jalur tervektorisasi yang menyalin 16 byte per thread untuk data kontigu tipe yang sama.

media Hugging Face Forums · 9 hari lalu · 3 tayangan

zhongkaifu merilis TensorSharp, mesin inferensi LLM asli .NET untuk model GGUF

zhongkaifu telah merilis TensorSharp, mesin inferensi LLM lokal sumber terbuka yang dibangun sepenuhnya dalam C# dan mendukung Windows, macOS, serta Linux. Mesin ini menangani model GGUF dari Unsloth, termasuk Gemma 4 dan Qwen 3.6 dengan kemampuan multimodal, sambil menyediakan API yang kompatibel dengan OpenAI dan Ollama.

github llama.cpp · baru saja Langsung

llama.cpp b10148 memperbaiki resolusi sidecar draft dan verbosity log

Proyek llama.cpp merilis build b10148, mengatasi masalah dengan konfigurasi decoding spekulatif dan logging. Pembaruan memastikan bahwa argumen baris perintah eksplisit untuk model draft memiliki prioritas atas resolusi sidecar otomatis.