CrewAI v1.14.8a memperkenalkan tindakan skrip dan kru ke FlowDefinition, menambahkan dukungan mode DMN, dan memungkinkan eksekusi alur tanpa kode Python. Ini juga mencakup dukungan eksperimental untuk kru JSON-first dan fallback deployment ZIP, bersama dengan reset memori dan pelacakan penggunaan token yang ditingkatkan.
llama.cpp version b9693 introduces BF16 support in its concat kernel and provides pre-built binaries for macOS, Linux, Android, Windows, and openEuler. The release includes CPU, Vulkan, ROCm, OpenVINO, SYCL, and HIP variants across multiple architectures, with a dedicated UI package available.
llama.cpp telah merilis versi b9694, termasuk biner untuk macOS, Linux, Android, Windows, dan openEuler. Rilis ini mendukung berbagai arsitektur dan opsi akselerasi seperti CUDA, Vulkan, OpenVINO, SYCL, dan ROCm. Perbaikan untuk tautan rilis OpenVINO x64 Windows juga telah diterapkan.
Claude Code v2.1.181 memperkenalkan dukungan untuk mengatur pengaturan konfigurasi melalui sinteks prompt seperti /config thinking=false, menambahkan dukungan Apple Events sandbox di macOS, serta meningkatkan streaming, auto-retry, dan perilaku subagent. Ini juga memperbaiki banyak bug terkait startup, penanganan file, clipboard, dan responsivitas UI di berbagai platform.
Proyek ggml-cpu sekarang mengaktifkan backend POWER11 di ggml secara kondisional berdasarkan dukungan kompiler untuk -mcpu=power11. Ini mencegah kegagalan build pada toolchain GCC/Clang saat ini sambil mempertahankan kompatibilitas ke depan. Pembaruan pada CMakeLists.txt mendukung perubahan ini, dan -mcpu=power10 digunakan untuk arsitektur P10 dan P11.
Versi llama.cpp b9692 memperkenalkan binari baru untuk macOS, Linux, Android, Windows, dan openEuler di berbagai arsitektur. Rilis ini mencakup pembaruan untuk mendukung Vulkan, ROCm, OpenVINO, SYCL, dan HIP, dengan perbaikan untuk menghapus penggunaan dim batch di llava_uhd.
Backend Metal di llama.cpp telah diperluas untuk mendukung tipe tensor f16 dan bf16 untuk operator concat, selain dukungan f32 dan i32 yang sudah ada. Pembaruan ini mencakup template kernel khusus, getter pipeline yang diperbarui, dan dispatch kernel berbasis tipe yang ditingkatkan, dengan bantuan dari pi:llama.cpp/Qwen3.6-27B.
Versi llama.cpp b9690 memperkenalkan operator rope_back yang diimplementasikan dengan menggunakan kembali kernel rope yang ada bersama konstanta fungsi untuk mengaktifkan rotasi maju/mundur. Rilis ini mencakup binari pra-bangun untuk macOS, Linux, Android, Windows, dan openEuler di berbagai arsitektur dan opsi akselerasi perangkat keras, termasuk Vulkan, CUDA, ROCm, OpenVINO, dan SYCL.
llama.cpp versi b9687 memperkenalkan binari baru untuk macOS, Linux, Android, Windows, dan openEuler di berbagai arsitektur. Rilis ini mencakup dukungan untuk Vulkan, ROCm, OpenVINO, SYCL, dan HIP, dengan pembaruan untuk meningkatkan validasi perangkat dan kinerja pada perangkat keras yang tersedia.
llama.cpp merilis versi b9688, menambahkan API manajemen model dan pembaruan realtime SSE. Rilis ini mencakup binari pra-bangun untuk macOS, Linux, Android, Windows, dan openEuler, mendukung berbagai arsitektur dan framework akselerasi seperti Vulkan, CUDA, OpenVINO, dan SYCL.
Versi b9685 dari LLaMA.cpp memperkenalkan fungsionalitas memcpy dev2dev berbasis SYCL, memindahkan GGML_SYCL_DEV2DEV_MEMCPY ke tabel runtime dan meningkatkan deteksi komunikasi peer-to-peer. Rilis ini mencakup biner pra-kompilasi untuk macOS, Linux, Android, Windows, dan openEuler di berbagai arsitektur dan API termasuk Vulkan, ROCm, OpenVINO, dan SYCL (FP32/FP16).
llama.cpp versi b9686 memperbaiki kesalahan segfault yang terjadi pada prompt panjang pada model Eagle3. Rilis ini mencakup biner untuk macOS, Linux, Android, Windows, dan openEuler di berbagai arsitektur dan opsi akselerasi perangkat keras, termasuk Vulkan, CUDA, OpenVINO, dan SYCL.
Rilis LLaMA.cpp b9684 memperkenalkan operasi konvolusi 3D baru (conv_3d) dan menyertakan implementasi yang dioptimalkan. Rilis ini menyediakan binari pra-bangun untuk macOS, Linux, Android, Windows, dan openEuler di berbagai arsitektur dan opsi akselerasi perangkat keras, termasuk SYCL, Vulkan, CUDA, dan OpenVINO.
Versi b9682 llama.cpp memperkenalkan dukungan Vulkan untuk Linux dan Windows, memungkinkan akselerasi GPU. Rilis ini mencakup biner untuk macOS, Linux, Android, Windows, dan openEuler di berbagai arsitektur, dengan opsi CPU dan GPU termasuk CUDA, OpenVINO, SYCL, dan ROCm.
Rilis LLaMA.cpp b9678 mencakup optimisasi mul_mat_f16_f32_l4 untuk decode dan memperkenalkan build baru untuk macOS, Linux, Android, Windows, dan openEuler. Rilis ini menawarkan dukungan CPU, Vulkan, ROCm, OpenVINO, SYCL, dan HIP di berbagai arsitektur, dengan paket UI khusus yang tersedia.
Versi b9677 dari llama.cpp memperbarui logging untuk memaksakan max_capacity dan menghapus logika ekspansi antrian. Rilis ini mencakup binari untuk macOS, Linux, Android, Windows, dan openEuler di berbagai arsitektur dan opsi akselerasi perangkat keras, termasuk Vulkan, CUDA, OpenVINO, dan SYCL.
Versi LLaMA.cpp b9674 memperbaiki bug use-after-free pada async memcpy SYCL selama prefill MoE. Rilis ini mencakup binary untuk macOS, Linux, Android, Windows, dan openEuler, mendukung CPU, Vulkan, ROCm, OpenVINO, SYCL, dan CUDA di berbagai arsitektur.
Versi llama.cpp b9675 mengaktifkan dukungan FP16 untuk operasi seperti SQR, SQRT, LOG, SIN, COS, dan CLAMP. Rilis ini mencakup biner untuk macOS, Linux, Android, Windows, dan openEuler di berbagai arsitektur, dengan dukungan untuk Vulkan, ROCm, OpenVINO, SYCL (FP16 dan FP32), serta CUDA 12.4 dan 13.3.
llama.cpp merilis versi b9680 dengan dukungan Vulkan yang diperbarui dan biner baru untuk macOS, Linux, Android, Windows, dan openEuler. Rilis ini mencakup varian CPU dan GPU untuk beberapa arsitektur, dengan dukungan untuk Vulkan, CUDA, OpenVINO, SYCL, dan ROCm.
Versi llama.cpp b9673 memperkenalkan alokasi sistem USM opsional untuk buffer GPU ≥1GB, memungkinkan overcommit VRAM ketika dukungan perangkat tersedia. Fitur ini memerlukan variabel lingkungan GGML_SYCL_USM_SYSTEM dan dinonaktifkan secara default, kembali ke alokasi reguler jika tidak didukung.