github llama.cpp · há 2 d · inference

llama.cpp b10688 adiciona ajustes fa-vec para M2

Traduzido do English → Português (BR)

O projeto llama.cpp lançou a compilação b10688, que inclui um pull request adicionando ajustes de vetor rápido (fa-vec) para a arquitetura M2.

Esta atualização fornece binários e frameworks em várias plataformas e configurações de hardware. As compilações para macOS estão disponíveis para Apple Silicon e Intel, enquanto os usuários de iOS podem acessar um XCFramework. O suporte para Linux cobre variantes de CPU, Vulkan, ROCm 7.14, OpenVINO e SYCL para as arquiteturas x64, arm64 e s390x. Os lançamentos para Windows incluem suporte para CPU, OpenCL Adreno, Vulkan, ROCm 7.14, OpenVINO, SYCL e CUDA 12/13 tanto para x64 quanto para arm64. Binários para Android arm64 também são fornecidos.

O lançamento permite que os usuários executem o llama.cpp em uma ampla gama de dispositivos e aceleradores usando os artefatos de compilação mais recentes.

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

Ler original

llama.cpp b10721 corrige falha no WebGPU e adiciona suporte a CUDA 13.4 no Windows

O projeto llama.cpp lançou a compilação b10721, que inclui uma correção crítica para o backend do WebGPU e amplia o suporte de hardware no Windows.

github llama.cpp · há 2 h

llama.cpp b10718 estende a fusão MOE para specdec e multi-token

O projeto llama.cpp lançou a versão b10718, que inclui uma atualização significativa em seu backend CUDA. A mudança mais notável é a extensão da fusão Mixture of Experts (MOE) para suportar decodificação especulativa (specdec), abordando limitações anteriores onde a fusão MOE glu e topk-router era restrita a processar apenas um token por vez.

github llama.cpp · há 5 h · 1 visualização

llama.cpp b10715 funde o codificador DFlash na injeção de cache KV

O projeto llama.cpp lançou a compilação b10715, que inclui uma otimização-chave na implementação do DFlash. O codificador DFlash agora é fundido diretamente no processo de injeção do cache KV durante a decodificação.

github llama.cpp · há 6 h · 1 visualização

llama.cpp b10714 ajusta linhas de mat-vec do Vulkan para Strix Halo

O projeto llama.cpp lançou a compilação b10714, que inclui otimizações específicas para o backend do Vulkan direcionado ao hardware AMD Strix Halo. A atualização ajusta as contagens de linhas de multiplicação de matriz por vetor para melhorar o desempenho durante a inferência em lote.

github llama.cpp · há 12 h · 3 visualizações

llama.cpp b10706 adiciona suporte a SWIGLU_CLAMP e shaders Vulkan

O projeto llama.cpp lançou a compilação b10706, introduzindo nova funcionalidade no backend ggml. Esta atualização inclui a adição de SWIGLU_CLAMP e uma nova implementação do shader Vulkan.