github llama.cpp · há 1 h · inference

llama.cpp b10603 adiciona suporte MTP para GLM-4.5-Air

Traduzido do English → Português (BR)

O projeto llama.cpp lançou a compilação b10603, que introduz o suporte à Predição de Múltiplos Tokens (MTP) para o modelo GLM-4.5-Air.

Adiciona capacidade MTP para GLM-4.5-Air via pull request #26534.
Fornece binários para macOS (Apple Silicon e Intel), iOS, Linux (CPU, Vulkan, ROCm, OpenVINO, SYCL), Android, Windows (CPU, CUDA 12/13, Vulkan, OpenCL, OpenVINO, SYCL, ROCm) e openEuler.

Esta versão permite que os usuários executem o GLM-4.5-Air com MTP em uma ampla gama de arquiteturas de hardware.

Importância 1/3 Confiança 1/3 llama.cpp Hugging Face Inference efficiency

Ler original

ggml otimiza a operação de concatenação substituindo memcpy por elemento por memcpy em nível de linha

A biblioteca ggml otimizou sua operação de concatenação substituindo cópias de memória por elemento por operações de memcpy em nível de linha. Esta mudança faz parte da versão b10578 do llama.cpp, que inclui vários binários específicos de plataforma e atualizações no grafo de computação subjacente.

github llama.cpp · há 1 d · 3 visualizações

ggml otimiza a operação de concatenação substituindo memcpy por elemento por memcpy em nível de linha

llama.cpp b10576 adiciona kernels MMVQ reordenados Q2_K e ESIMD para SYCL

llama.cpp b10577 corrige draft-mtp com embeddings

llama.cpp b10568 usa ggml_rope_set_offset() para DeepSeek 2

Lançamento do llama.cpp v0.2.0 com ggml 0.21.0 e suporte ao Kleidiai SME2