github llama.cpp · 2 hari lalu · inference

llama.cpp b10688 menambahkan penyetelan fa-vec untuk M2

Diterjemahkan dari English → Bahasa Indonesia

Proyek llama.cpp telah merilis build b10688, yang mencakup permintaan tarik (pull request) yang menambahkan penyetelan vektor cepat (fa-vec) untuk arsitektur M2.

Pembaruan ini menyediakan biner dan kerangka kerja di berbagai platform dan konfigurasi perangkat keras. Build macOS tersedia untuk Apple Silicon dan Intel, sementara pengguna iOS dapat mengakses XCFramework. Dukungan Linux mencakup varian CPU, Vulkan, ROCm 7.14, OpenVINO, dan SYCL untuk arsitektur x64, arm64, dan s390x. Rilis Windows mencakup dukungan CPU, OpenCL Adreno, Vulkan, ROCm 7.14, OpenVINO, SYCL, dan CUDA 12/13 untuk x64 dan arm64. Biner Android arm64 juga disediakan.

Rilis ini memungkinkan pengguna menjalankan llama.cpp di berbagai perangkat dan akselerator menggunakan artefak build terbaru.

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

Baca aslinya

llama.cpp b10721 memperbaiki crash WebGPU dan menambahkan dukungan CUDA 13.4 untuk Windows

Proyek llama.cpp telah merilis build b10721, yang mencakup perbaikan kritis untuk backend WebGPU dan memperluas dukungan perangkat keras di Windows.

github llama.cpp · 2 jam lalu

llama.cpp b10718 memperluas fusi MOE ke specdec dan multi-token

Proyek llama.cpp merilis versi b10718, yang mencakup pembaruan signifikan pada backend CUDA-nya. Perubahan paling notable adalah perluasan fusi Mixture of Experts (MOE) untuk mendukung decoding spekulatif (specdec), mengatasi keterbatasan sebelumnya di mana fusi MOE glu dan topk-router dibatasi hanya memproses satu token pada satu waktu.

github llama.cpp · 5 jam lalu · 1 tayangan

llama.cpp b10715 menggabungkan encoder DFlash ke dalam injeksi cache KV

Proyek llama.cpp merilis build b10715, yang mencakup optimasi kunci pada implementasi DFlash. Encoder DFlash sekarang digabungkan langsung ke dalam proses injeksi cache KV selama decoding.

github llama.cpp · 6 jam lalu · 1 tayangan

llama.cpp b10714 menyetel baris mat-vec Vulkan untuk Strix Halo

Proyek llama.cpp merilis build b10714, yang mencakup optimasi khusus untuk backend Vulkan yang menargetkan perangkat keras AMD Strix Halo. Pembaruan ini menyesuaikan jumlah baris perkalian matriks-vektor untuk meningkatkan kinerja selama inferensi batch.

github llama.cpp · 12 jam lalu · 3 tayangan

llama.cpp b10706 menambahkan dukungan SWIGLU_CLAMP dan shader Vulkan

Proyek llama.cpp telah merilis build b10706, memperkenalkan fungsionalitas baru ke backend ggml. Pembaruan ini mencakup penambahan SWIGLU_CLAMP dan implementasi shader Vulkan baru.