github llama.cpp · há 12 h · inference

llama.cpp b10645 adiciona --n-cpu-ffn para descarregar pesos FFN densos

Traduzido do English → Português (BR)

O projeto llama.cpp lançou a compilação b10645, introduzindo a nova opção de linha de comando --n-cpu-ffn. Este recurso permite que os usuários especifiquem o número de camadas cujos pesos da rede feed-forward (FFN) densa são descarregados para a CPU.

Adiciona --n-cpu-ffn para controlar o descarregamento em CPU dos pesos FFN densos para as primeiras N camadas.
Deduplica loops de substituição para as opções --n-cpu-moe e --spec-draft-n-cpu-moe.
Generaliza llm_ffn_block_regex sobre o padrão de expressão regular FFN.

O lançamento fornece binários para macOS, Linux, Windows, Android e openEuler através de backends de CPU, GPU (CUDA, Vulkan, ROCm, OpenCL) e aceleradores de IA.

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

Ler original

llama.cpp b10662 adiciona ctx-per-slot para cache KV unificado

O projeto llama.cpp lançou a compilação b10662, introduzindo um novo argumento `--kv-unified-per-slot` que permite aos usuários especificar o contexto por slot para o cache KV unificado. Esta mudança substitui o mecanismo anterior de fração de contexto por slots de pool de contexto e refatora a implementação subjacente.

github llama.cpp · há 1 h · 1 visualização Ao vivo

llama.cpp adiciona suporte à arquitetura Qwen3.8-Flash-Next (qwen4exp)

O projeto llama.cpp adicionou suporte à arquitetura do modelo Qwen3.8-Flash-Next (qwen4exp), implementando seus componentes específicos, incluindo hiperconexões, redes delta com gateamento, Mistura de Especialistas e embeddings de hash n-gram PLE.

github llama.cpp · há 2 h · 1 visualização

llama.cpp b10658 adiciona suporte ao DFlash2 e corrige bug do mrope

O projeto llama.cpp lançou a compilação b10658, introduzindo suporte para a especificação DFlash2, que inclui convolução local e um seletor de candidatos. Esta atualização também aborda um bug específico do mrope dentro da base de código.

github llama.cpp · há 2 h · 1 visualização

llama.cpp empacota DLLs do HIP runtime com a versão ROCm para Windows

O projeto llama.cpp atualizou sua versão ROCm para Windows para empacotar os DLLs necessários do HIP runtime diretamente ao lado dos binários. Esta alteração resolve o problema #26929, garantindo que o runtime correto do HIP seja carregado em vez de potencialmente conflitar com a cópia do driver no System32.

github llama.cpp · há 3 h · 1 visualização

llama.cpp b10656 limita a memória de trabalho para evitar carregar tensores grandes na RAM

O projeto llama.cpp lançou a compilação b10656, que inclui uma alteração para limitar o tamanho da memória de trabalho. Esta modificação foi projetada para impedir que tensores grandes sejam carregados na RAM do sistema.