github llama.cpp · 1 jam lalu · inference

llama.cpp b10213 menambahkan dukungan untuk kuantisasi cache kv berputar

Diterjemahkan dari English → Bahasa Indonesia

Proyek llama.cpp telah merilis versi b10213, memperkenalkan dukungan untuk kuantisasi cache kunci-nilai yang diputar. Pembaruan ini tersedia di berbagai platform dan akselerator perangkat keras.

macOS Apple Silicon (arm64) dan Intel (x64)
iOS melalui XCFramework
Linux Ubuntu x64 dan arm64 (CPU, Vulkan, ROCm 7.2, OpenVINO, SYCL FP32/FP16)
Windows x64 dan arm64 (CPU, OpenCL Adreno, CUDA 12/13, Vulkan, OpenVINO, SYCL, HIP)
Android arm64 (CPU)
openEuler x86 dan aarch64 (ACL Graph)

Rilis ini mencakup biner untuk aplikasi utama serta paket UI terpisah.

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

Baca aslinya

llama.cpp b10212 memuat tensor MTP hanya saat digunakan

Proyek llama.cpp merilis versi b10212, yang mencakup perubahan untuk memuat tensor Multi-Token Prediction (MTP) hanya jika benar-benar digunakan. Pembaruan ini memastikan bahwa tensor MTP dilewati selama pemuatan pada model-model lain yang mendukung fitur tersebut tetapi tidak membutuhkannya.

github llama.cpp · 3 jam lalu

llama.cpp b10210 memperbaiki token yang diterima selama replikasi token draf

Proyek llama.cpp telah merilis versi b10210, yang mencakup koreksi pada logika server untuk menangani token yang diterima ketika replikasi token draf diperlukan.

github llama.cpp · 4 jam lalu

llama.cpp b10208 menambahkan oneMKL GEMM flash attention untuk pemrosesan prompt yang dipercepat XMX

Rilis llama.cpp b10208 memperkenalkan dukungan SYCL untuk oneMKL GEMM flash attention, memungkinkan akselerasi perangkat keras XMX untuk pemrosesan prompt. Perubahan ini secara signifikan meningkatkan kecepatan inferensi pada GPU Intel Arc dengan memanfaatkan kernel MKL alih-alih jalur TILE default.

github llama.cpp · 6 jam lalu

llama.cpp b10207 menambahkan dukungan SYCL untuk tipe yang hilang di cpy

Proyek llama.cpp telah merilis versi b10207, yang mencakup pull request untuk menambahkan dukungan SYCL ke tipe data yang sebelumnya tidak didukung dalam operasi cpy.

github llama.cpp · 7 jam lalu

llama.cpp b10206 menerapkan jenis cache K dan V yang sama untuk model DeepSeek V4 dan MLA

Proyek llama.cpp telah merilis versi b10206, yang memperkenalkan perubahan spesifik pada penanganan cache kunci-nilai dalam mekanisme perhatian. Pembaruan ini memastikan bahwa jenis cache K dan V tetap konsisten untuk model DeepSeek V4.