O projeto llama.cpp lançou a versão b9982, que aborda um bug na função `oaicompat_chat_params_parse` onde os valores por solicitação para `reasoning_budget_tokens` e `reasoning_budget_message` estavam sendo ignorados.
- O servidor anteriormente lia apenas os padrões de nível do servidor para esses campos, fazendo com que as substituições fornecidas pelo chamador fossem descartadas silenciosamente porque as chaves já estavam presentes no objeto de parâmetros.
- A correção garante que os valores do corpo da solicitação sejam lidos primeiro, permitindo que os usuários controlem explicitamente os orçamentos de raciocínio (por exemplo, definindo `reasoning_budget_tokens` como 0) ou mensagens personalizadas.
- Testes unitários foram adicionados para verificar que as substituições por solicitação tanto para tokens quanto para mensagens são passadas corretamente para a camada de amostragem ao usar um modelo Qwen3.
- O lançamento inclui binários para macOS, Linux, Android, Windows e openEuler em vários backends de hardware, incluindo CPU, CUDA, ROCm, Vulkan e OpenVINO.