github vLLM · 2日前 · inference

vLLM v0.29.0 がハイブリッドモデルにデフォルトの密集プレフィックスキャッシュを適用

翻訳元 English → 日本語

vLLM プロジェクトはバージョン 0.29.0 をリリースし、密集プレフィックスキャッシュに関するコアなバグ修正を含んでいます。

このアップデートは、密集プレフィックスキャッシュのデフォルト設定をハイブリッドモデルに特に適用します。

重要度 1/3 信頼度 2/3 vLLM Inference efficiency

llama.cpp b10891、共有メモリへのフォールバックによりPowerVR Vulkanのクラッシュを修正

llama.cppプロジェクトは、PowerVR GPUにおける重大な安定性問題を解決するバージョンb10891をリリースしました。このアップデートでは、Vulkanバックエンドが量子化解除された行列-ベクトル乗算（dmmv）演算に対して共有メモリへのリダクションにフォールバックするように変更されました。

media MarkTechPost · たった今ライブ

DeepSeekが1MコンテキストとFP4 KVキャッシュを搭載したDeepSeek-V4.1-Flashをリリース

DeepSeek AIは、100万トークンのコンテキストウィンドウと、グローバルキャッシュのフットプリントをトークンあたり890バイトに削減するFP4 KVキャッシュを備えたマルチモーダルMixture-of-ExpertsモデルであるDeepSeek-V4.1-Flashをリリースしました。このモデルは、因果的なエンコーダ・デコーダアーキテクチャとCompressed Sparse Attention 2 (CSA2) を活用し、パフォーマンスを維持しながらメモリ要件を大幅に削減しています。

github llama.cpp · 1時間前 · 1 回表示ライブ

llama.cpp b10889 リリースはインデクサーの V キャッシュ割り当てを回避

llama.cpp プロジェクトはビルド b10889 をリリースしました。これには、インデクサーで使用されないため V キャッシュの割り当てを回避するメモリ最適化が含まれています。

github llama.cpp · 3時間前 · 1 回表示

llama.cpp b10888 が GPU プロファイラー用の Vulkan コマンドバッファデバッグラベルを追加

llama.cppプロジェクトは、VulkanバックエンドでGPUプロファイラー用のコマンドバッファデバッグラベルを追加する新機能を含むビルドb10888をリリースしました。

github llama.cpp · 4時間前 · 1 回表示

llama.cpp b10886 が s390x 向けに Q1_0 ベクトル組み込みサポートを追加

llama.cpp プロジェクトはビルド b10886 をリリースし、s390x アーキテクチャ向けの Q1_0 ベクトル組み込みサポートを導入しました。このアップデートには `ggml_vec_dot_q1_0_q8_0` の実装が含まれ、新しい機能を反映するためにドキュメントが更新されました。