github llama.cpp · 1시간 전 · inference

llama.cpp b11333이 MUL_MAT 작업에 대한 WebGPU bfloat16 지원을 추가합니다

번역 English → 한국어

llama.cpp 프로젝트는 WebGPU 백엔드 내에서 MUL_MAT, MUL_MAT_ID 및 GET_ROWS 작업에 대한 bfloat16 지원을 도입한 빌드 b11333을 출시했습니다.

이 업데이트는 macOS (Apple Silicon 및 Intel), iOS, Linux (Ubuntu x64, arm64, s390x), Windows, Android 및 openEuler의 사전 컴파일된 바이너리에 포함되어 있습니다. 이 릴리스는 CUDA 12 및 13, Vulkan, ROCm 10.0, OpenVINO, SYCL 및 Snapdragon NPUs를 포함한 다양한 하드웨어 가속기를 위한 빌드를 제공합니다.

이러한 특정 WebGPU 행렬 작업에 bfloat16 정밀도를 추가하면 호환되는 GPU에서 더 효율적인 계산을 수행할 수 있습니다.

중요도 1/3 신뢰도 1/3 llama.cpp Hugging Face Inference efficiency

관련 기사

github llama.cpp · 방금 · 조회수 1회 실시간

llama.cpp b11335, Volta 성능을 위해 sm70을 Turing MMVQ 테이블로 라우팅

llama.cpp 프로젝트는 Volta GPU용 CUDA 최적화를 포함한 버전 b11335를 출시했습니다. 이 업데이트는 sm_70 아키텍처를 일반 구성으로 폴스루하는 대신 기존 Turing MMVQ nwarps 테이블로 라우팅합니다.

github llama.cpp · 23시간 전 · 조회수 5회

llama.cpp b11309, 안전한 scatter 모드로 Hexagon ALLREDUCE 최적화

llama.cpp 프로젝트는 Hexagon 백엔드를 위한 핵심 최적화를 포함하는 버전 b11309를 출시했습니다. 이 업데이트는 Qualcomm Snapdragon 장치에서 성능과 안정성을 개선하기 위해 ALLREDUCE 작업에 안전한 scatter 모드 지원을 추가합니다.

github llama.cpp · 2일 전 · 조회수 9회

llama.cpp가 k-pool 및 MTP 수정과 함께 GLM-5.3-Flash 지원 추가

llama.cpp 프로젝트는 하이브리드 인덱스 메모리로의 마이그레이션 및 초기 Multi-Token Prediction (MTP) 기능을 포함하여 GLM-5.3-Flash (GLM5-Next) 모델 아키텍처에 대한 초기 지원을 추가했습니다.

github llama.cpp · 2일 전 · 조회수 5회

llama.cpp b11266는 Intel에서 Vulkan용 F32 A 행렬을 2개씩 로드합니다

llama.cpp 프로젝트는 Vulkan 최적화를 포함하는 빌드 b11266를 출시했으며, 이는 2-정렬된 경우 F32 A 행렬을 한 번에 두 요소씩 로드합니다. 이 변경은 부동소수점을 하나씩 로드하는 것이 비효율적인 Intel 하드웨어의 성능 문제를 해결하고, 원래 패치에서 누락된 `a_offset` 정렬 검증도 수정합니다.

github llama.cpp · 2일 전 · 조회수 2회

llama.cpp b11265 Vulkan MOE matmul 타일 선택 수정

llama.cpp b11265 릴리스에는 Vulkan 백엔드의 Mixture of Experts (MoE) 모델 처리에 대한 수정이 포함되어 있습니다. 이 업데이트는 `mat_mul_id`가 행렬 곱셈 타일을 선택하는 방식을 수정하여 디스패치 중 작업자가 대기 상태가 되는 성능 문제를 해결합니다.