github llama.cpp · 3日前 · inference

llama.cpp b11062 が Qwen4 のスパース FA を有効化

翻訳元 English → 日本語

llama.cpp プロジェクトはバージョン b11062 をリリースし、Qwen4 モデルのスパース Flash Attention (FA) サポートを有効にするプルリクエストを含んでいます。

このアップデートはより広範な b11062 リリースの一部であり、CPU、GPU（CUDA、ROCm、Vulkan）、および AI アクセラレータバックエンド向けに macOS、Linux、Windows、Android、openEuler 用のバイナリを提供しています。

リリースノートで言及されている特定の変更は、効率性を向上させるために Qwen4 のスパース FA 機能を追加します。

重要度 1/3 信頼度 1/3 llama.cpp Hugging Face Inference efficiency

原文を読む

github llama.cpp · たった今 · 1 回表示ライブ

llama.cpp b11122 が MMVQ GLU 融合を拡張し、新しい SYCL 融合を追加

llama.cpp プロジェクトはバージョン b11122 をリリースしました。これには SYCL バックエンドの重要な更新が含まれています。このリリースでは、MMVQ GLU 融合が混合量子化タイプをサポートするように拡張され、rms_norm+scale および ssm_conv+silu 演算のための新しい融合が導入されました。

github llama.cpp · 14時間前 · 11 回表示

llama.cpp b11111 が Intel Xe の flash attention 最適化カーネルを追加

llama.cpp プロジェクトはビルド b11111 をリリースし、Xe-LPG Plus、Xe2、Xe3 アーキテクチャの split k パス向けに Vulkan ベースの flash attention 最適化カーネルを導入しました。

github llama.cpp · 17時間前 · 9 回表示

llama.cppがHunyuanOCRのDFlashサポートを追加し、ドラフト変換を修正

llama.cppプロジェクトは、ターゲットグラフ内のレイヤー入力テンソルを公開することで、HunyuanOCRモデルとのDFlash推測デコーディングのサポートを追加しました。この変更により、ドラフトモデルが残差ストリームを読み取れるようになり、非推測実行と比較して約0.5のドラフト受容率とバイトレベルで同一のOCR出力を得ながら、画像リクエストを正常に実行できるようになりました。

github llama.cpp · 20時間前 · 11 回表示

llama.cpp b11101 リリースにより llama の重複した find_package 呼び出しが可能に

llama.cpp プロジェクトは、llama ライブラリに対する重複した find_package 呼び出しを可能にするビルドシステムの修正を含むバージョン b11101 をリリースしました。

lab Hugging Face Blog · 21時間前 · 10 回表示

Transformersがggmlカーネル経由でGGUFサポートを追加し、ローカル推論に対応

Hugging FaceのTransformersライブラリは、基盤となるggmlカーネルを活用してllama.cppに近いパフォーマンスを実現しつつ、GGUF量子化モデルの読み込みをサポートするようになりました。この統合により、開発者は対応ハードウェア上で標準的なPyTorchベースのAPI内で量子化済みチェックポイントを直接実行できます。