github llama.cpp · há 1 d · inference

llama.cpp b10696 adiciona ajuste fa-vec para M3 Pro

Traduzido do English → Português (BR)

O projeto llama.cpp lançou a compilação b10696, que inclui um pull request adicionando o ajuste rápido de vetores (fa-vec) especificamente para o chip Apple M3 Pro.

Esta atualização aborda o problema #27668 para melhorar o desempenho nesta configuração de hardware específica. O lançamento fornece binários para macOS, iOS, Linux, Windows, Android e openEuler através de vários backends incluindo CPU, CUDA, ROCm, Vulkan, OpenVINO e SYCL.

O ajuste fa-vec tem como objetivo otimizar a velocidade ou eficiência de inferência para usuários que executam llama.cpp em dispositivos equipados com o processador M3 Pro.

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

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 4 h · 3 visualizações

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

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

Lançamento do llama.cpp b10717 melhora a recuperação de informações de memória SYCL

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

pipecat-ai lança phonellm-alpha-1 com desempenho GPT 5.6 Terra