github llama.cpp · há 1 h · inference

Lançamento do llama.cpp b10202 com fusão SYCL RMS_NORM

Traduzido do English → Português (BR)

O projeto llama.cpp lançou a versão b10202, introduzindo uma otimização SYCL que funde as operações RMS_NORM e MUL.

Esta atualização fornece binários pré-compilados para macOS (Apple Silicon e Intel), iOS, Linux (Ubuntu x64, arm64, s390x), Windows e Android. Suporta vários backends de hardware, incluindo CUDA 12/13, Vulkan, ROCm 7.2, OpenVINO, SYCL FP32/FP16, HIP e OpenCL Adreno.

O lançamento também inclui a interface de usuário padrão do llama.cpp e observa que o suporte do KleidiAI para macOS Apple Silicon está atualmente desabilitado.

Importância 1/3 Confiança 1/3 llama.cpp Inference efficiency Local inference

Ler original

llama.cpp b10201 melhora flash attention para KV quantizado em contextos longos

O projeto llama.cpp lançou a versão b10201, que inclui uma melhoria chave no backend ggml-webgpu. Esta atualização melhora o desempenho do flash attention ao lidar com caches de chave-valor quantizados durante a geração de contexto longo.

github llama.cpp · há 17 h · 1 visualização

llama.cpp b10198 adiciona suporte Vulkan para concatenação quantizada

O projeto llama.cpp lançou a compilação b10198, que introduz suporte para operações de concatenação quantizada dentro do backend Vulkan.

github llama.cpp · há 2 d · 1 visualização

llama.cpp b10180 adiciona caminho rápido contíguo e matemática de índice de 32 bits para operações unárias SYCL

O projeto llama.cpp lançou a compilação b10180, introduzindo otimizações de desempenho para o backend SYCL. A atualização implementa um caminho rápido contíguo e altera a matemática de índice elemento a elemento para usar fastdiv com inteiros de 32 bits.

github llama.cpp · há 4 d · 3 visualizações

llama.cpp b10155 adiciona suporte de áudio MiMo-V2.5

O projeto llama.cpp lançou a compilação b10155, que introduz suporte para o modelo de entrada de áudio MiMo-V2.5. Esta atualização inclui um conversor GGUF para áudio MiMo e implementa a lógica do backend em C++ necessária para lidar com modelos de áudio baseados em RVQ.

github llama.cpp · há 4 d · 3 visualizações

llama.cpp b10150 ajusta a lógica de offloading do ggml e corrige o grafo dsv4

O projeto llama.cpp lançou a compilação b10150, que inclui ajustes na lógica do ggml para operações de offloading para o backend dos pesos. Esta atualização também aborda correções para o grafo llama dsv4.