github llama.cpp · 2 hari lalu · inference

llama.cpp b10864 memperbaiki eviksi checkpoint untuk model hibrida

Diterjemahkan dari English → Bahasa Indonesia

Proyek llama.cpp merilis build b10864, yang mencakup perbaikan untuk logika eviksi jarak checkpoint di `create_checkpoint()`. Sebelumnya, aturan eviksi mempertahankan checkpoint tertua dan menghapus yang berikutnya dalam `checkpoint_min_step`, menyebabkan prompt yang lebih pendek dari ambang batas tersebut kehilangan checkpoint yang diperlukan untuk melanjutkan. Hal ini memaksa model hibrida dan rekuren untuk melakukan prefill ulang secara tidak perlu dari checkpoint sebelumnya.

Pembaruan mengubah aturan jarak agar hanya berlaku ketika daftar checkpoint penuh (pada `n_ctx_checkpoints`). Ini juga mengganti checkpoint yang ada dengan `n_tokens` yang sama daripada menambahkan duplikat, memastikan keadaan yang benar untuk permintaan berikutnya. Rilis ini menyediakan biner untuk macOS, Linux, Windows, Android, dan openEuler melalui CPU, GPU, dan berbagai backend akselerator.

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

Baca aslinya

llama.cpp menonaktifkan pemuatan tensor malas secara default pada iGPU

Proyek llama.cpp telah menonaktifkan pemuatan tensor malas secara default untuk GPU terintegrasi (iGPU) dalam rilis b10867. Perubahan ini mengatasi regresi yang diperkenalkan dalam pengaturan mode "AUTO" sebelumnya.

github llama.cpp · 3 hari lalu · 6 tayangan

llama.cpp b10844 menambahkan operasi fusi hyper-connection Vulkan DeepSeek-V4

Proyek llama.cpp merilis versi b10844, memperkenalkan dukungan untuk operasi fusi hyper-connection DeepSeek-V4 (DSV4_HC_COMB/PRE/POST) di backend Vulkan. Pembaruan ini membawa Vulkan setara dengan CUDA dan Metal dalam hal optimasi spesifik ini.

github llama.cpp · 3 hari lalu · 4 tayangan

llama.cpp b10842 menambahkan dukungan HIP untuk gfx90c

Proyek llama.cpp merilis build b10842, yang memperkenalkan dukungan untuk arsitektur gfx90c melalui HIP.

media Hugging Face Forums · 3 hari lalu · 8 tayangan

AI Model Radar diluncurkan dengan kecocokan perangkat keras terukur untuk model terbuka

Sebuah situs baru bernama AI Model Radar membantu pengguna menentukan model terbuka mana yang benar-benar cocok dengan GPU atau Mac mereka menggunakan data terukur daripada estimasi. Platform ini menghitung ukuran bobot berdasarkan file GGUF yang diterbitkan secara nyata dan menghitung cache konteks lapisan demi lapisan dari konfigurasi model.

github llama.cpp · 3 hari lalu · 7 tayangan

llama.cpp b10840 menambahkan unpack Q4_K/Q5_K tanpa cabang dan prefetch L2 untuk CUDA

Proyek llama.cpp merilis versi b10840, yang memperkenalkan optimasi kinerja untuk inferensi CUDA. Pembaruan ini mengimplementasikan komputasi tanpa cabang untuk format kuantisasi Q4_K dan Q5_K untuk mempercepat perkalian matriks-vektor (mmvq).