github llama.cpp · há 3 d · inference

llama.cpp b10835 corrige barreira divergente no ggml-cuda para flash attention f16

Traduzido do English → Português (BR)

O projeto llama.cpp lançou a compilação b10835, que inclui uma correção para um problema de barreira divergente na implementação do ggml-cuda para flash attention f16. Esta atualização também aborda a configuração duplicada do ponteiro de metadados no mesmo módulo.

Corrige a barreira divergente no ggml-cuda flash attention f16 (PR #27870).
Previne a configuração duplicada do ponteiro de metadados no ggml-cuda.

Esta versão fornece binários atualizados para macOS, Linux, Windows, Android e openEuler em vários backends de CPU e GPU, incluindo CUDA, Vulkan, ROCm e SYCL.

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

Ler original

llama.cpp desativa o carregamento preguiçoso de tensores por padrão em GPUs integradas

O projeto llama.cpp desativou o carregamento preguiçoso de tensores por padrão para GPUs integradas (iGPUs) na versão b10867. Esta alteração corrige uma regressão introduzida na configuração anterior do modo "AUTO".

github llama.cpp · há 2 d · 3 visualizações

llama.cpp b10864 corrige a evicção de checkpoints para modelos híbridos

O projeto llama.cpp lançou a compilação b10864, que inclui uma correção para a lógica de evicção de espaçamento de checkpoints em `create_checkpoint()`. Anteriormente, a regra de evicção mantinha o checkpoint mais antigo e apagava os subsequentes dentro de `checkpoint_min_step`, fazendo com que prompts mais curtos que esse limite perdessem o checkpoint necessário para a retomada. Isso forçava modelos híbridos e recorrentes a reprefijar desnecessariamente a partir do checkpoint anterior.

github llama.cpp · há 3 d · 6 visualizações

llama.cpp b10844 adiciona operações fundidas de hiperconexão Vulkan para DeepSeek-V4

O projeto llama.cpp lançou a versão b10844, introduzindo suporte para operações fundidas de hiperconexão DeepSeek-V4 (DSV4_HC_COMB/PRE/POST) no backend Vulkan. Esta atualização traz o Vulkan ao mesmo nível que CUDA e Metal em relação a essas otimizações específicas.

github llama.cpp · há 3 d · 4 visualizações

llama.cpp b10842 adiciona suporte HIP para gfx90c

O projeto llama.cpp lançou a compilação b10842, que introduz suporte para a arquitetura gfx90c via HIP.

media Hugging Face Forums · há 3 d · 8 visualizações

AI Model Radar é lançado com ajuste de hardware medido para modelos abertos

Um novo site chamado AI Model Radar ajuda os usuários a determinar quais modelos abertos realmente se encaixam em sua GPU ou Mac usando dados medidos em vez de estimativas. A plataforma calcula os tamanhos de pesos com base em arquivos GGUF publicados reais e computa o cache de contexto camada por camada a partir das configurações do modelo.