github llama.cpp · baru saja · inference

llama.cpp b10930 mengizinkan unduhan model pada batas model

Diterjemahkan dari English → Bahasa Indonesia

Proyek llama.cpp merilis versi b10930, yang mencakup perbaikan untuk komponen server agar memungkinkan unduhan model bahkan ketika pengguna telah mencapai batas model mereka.

Menyelesaikan issue #26809 dengan mengaktifkan unduhan pada batas (PR #28530).
Menyediakan biner untuk macOS Apple Silicon dan Intel, iOS, Ubuntu x64/arm64/s390x, Android arm64, Windows x64/arm64, dan openEuler.
Mendukung berbagai backend perangkat keras termasuk CPU, Vulkan, ROCm 10.0, OpenVINO, SYCL FP32/FP16, CUDA 12/13, dan OpenCL Adreno.

Pembaruan ini memastikan fungsionalitas berkelanjutan bagi pengguna yang mencapai kuota penyimpanan sambil menyediakan dukungan platform yang luas.

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

Baca aslinya

Rilis llama.cpp b10926 menangani kuantisasi tq1_0 yang tidak didukung dengan lancar

Proyek llama.cpp telah merilis versi b10926, yang mencakup perbaikan untuk menangani kuantisasi tq1_0 yang tidak didukung dengan cara gagal secara lancar. Pembaruan ini mengatasi isu #28681 untuk meningkatkan stabilitas saat menemui format kuantisasi spesifik ini.

github llama.cpp · 3 jam lalu · 1 tayangan

llama.cpp b10921 menyelaraskan ikatan tensor WebGPU ke ukuran blok

Proyek llama.cpp telah merilis build b10921, yang mencakup perbaikan untuk WebGPU dengan menyelaraskan ikatan tensor ke ukuran blok tipe. Perubahan ini memastikan bahwa tampilan kuantisasi blok menerima offset elemen yang valid di shader dengan berjalan mundur pada offset ikatan hingga jarak ke tensor merupakan bilangan bulat blok.

github llama.cpp · 1 hari lalu · 1 tayangan

llama.cpp b10906 memperbaiki spekulasi setelah gambar di server

Proyek llama.cpp merilis versi b10906, yang mencakup perbaikan untuk komponen server terkait decoding spekulatif setelah input gambar. Perubahan ini memastikan bahwa posisi aktual dilewatkan ke drafter alih-alih jumlah token, memengaruhi semua drafter dan bukan hanya DFlash.

github llama.cpp · 2 hari lalu · 3 tayangan

llama.cpp b10899 menambahkan optimasi Vulkan untuk Qwen dan dukungan split_k

Proyek llama.cpp merilis versi b10899, memperkenalkan peningkatan kinerja spesifik pada backend Vulkan-nya. Pembaruan ini berfokus pada mengoptimalkan operasi matriks untuk keluarga model Qwen dan meningkatkan kinerja umum dengan M kecil.

github llama.cpp · 2 hari lalu · 4 tayangan

llama.cpp b10896 memperbaiki kegagalan dekoding DFlash dengan model visi

Proyek llama.cpp merilis build b10896, yang mengatasi masalah kritis di mana memori drafter gagal mengalokasikan token baru saat menggunakan DFlash dengan model visi. Kegagalan ini terjadi karena gambar melaporkan offset tetap, mencegah alokasi token yang tepat.