github llama.cpp · 1 jam lalu · inference

webgpu menambahkan dukungan MMVQ untuk Q1_0/Q5_0/Q5_1/Q3_K/Q5_K/Q6_K/MXFP4

Diterjemahkan dari English → Bahasa Indonesia

Komponen webgpu telah menambahkan dukungan untuk format MMVQ (Multi-Mode Vector Quantization), khususnya Q1_0, Q5_0, Q5_1, Q3_K, Q5_K, Q6_K, dan MXFP4.

Pembaruan ini mengatasi issue #29 di repositori llama.cpp untuk memperluas kemampuan kuantisasi dalam lingkungan webgpu.

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

Baca aslinya

Eqx-zoo menyediakan port Equinox terverifikasi dari model-model Hugging Face

Penulis telah membangun eqx-zoo, sebuah library yang memuat checkpoint Hugging Face Hub langsung sebagai modul plain Equinox dan memverifikasi setiap model terhadap library transformers. Proyek ini saat ini mendukung Llama, Qwen2, Qwen3, Qwen3-MoE untuk generasi, dan BERT, RoBERTa, XLM-RoBERTa untuk embedding.

media Hugging Face Forums · 3 hari lalu · 18 tayangan

AiiStream Q3.6 memungkinkan menjalankan Qwen3.6-35B-A3B di Mac dengan RAM 8-16 GB

Penulis telah merilis AiiStream Q3.6, sebuah teknik sumber terbuka yang memungkinkan model Qwen3.6-35B-A3B berjalan pada perangkat Apple Silicon dengan hanya 8 hingga 16 GB RAM. Dengan menyimpan ahli yang dialihkan di SSD dan menggunakan prediksi pemuatan awal, metode ini mengurangi penggunaan memori MLX menjadi sekitar 1,7 GB sambil mempertahankan output yang identik tingkat byte dibandingkan implementasi standar mlx_lm.

github llama.cpp · 4 hari lalu · 26 tayangan

llama.cpp b11307 mempertahankan urutan batch untuk decoding spekulatif

Proyek llama.cpp merilis build b11307, yang memperbaiki urutan input lapisan untuk mempertahankan urutan batch asli selama decoding spekulatif. Perubahan ini memastikan bahwa urutan token dipertahankan dengan benar untuk embedding NextN yang tidak dimask dan kompatibel dengan pemisahan tensor.

github llama.cpp · 4 hari lalu · 17 tayangan

llama.cpp b11301 memperbaiki overflow integer di ggml/gguf

Proyek llama.cpp telah merilis build b11301, yang mencakup perbaikan untuk masalah overflow integer dalam komponen ggml dan gguf. Pembaruan ini menangani logika validasi untuk mencegah potensi kesalahan saat menangani tensor nol elemen.

github llama.cpp · 4 hari lalu · 18 tayangan

llama.cpp b11302 memperbaiki race data ThreadSanitizer pada pengindeks jarang

Proyek llama.cpp merilis build b11302, yang mengatasi masalah konkurensi kritis yang diidentifikasi oleh ThreadSanitizer dalam pipeline CI. Pembaruan ini menyelesaikan race data dalam mekanisme perhatian jarang di mana beberapa utas CPU secara tidak benar menulis ke elemen memori yang sama.