github llama.cpp · há 2 d · inference

llama.cpp b10857 corrige uso de handles Vulkan-Hpp em destinos de 32 bits

Traduzido do English → Português (BR)

O projeto llama.cpp lançou a compilação b10857, que inclui uma correção para o uso de handles Vulkan-Hpp em plataformas de 32 bits. Esta atualização aborda problemas de segurança de tipos onde handles não despacháveis do Vulkan como VkBuffer são representados como uint64_t.

Adiciona o operador<< para vk::Buffer para permitir streaming direto para std::ostream para logs de depuração e memória.
Passa vk::Buffer diretamente para as APIs CommandBuffer::copyBuffer do Vulkan-Hpp em vez de convertê-lo para VkBuffer.

Esta alteração garante o tratamento correto de objetos Vulkan em arquiteturas de 32 bits, prevenindo erros potenciais em operações de log e cópia de buffer.

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

Ler original

llama.cpp b10891 corrige falha no Vulkan do PowerVR ao recuar para redução por memória compartilhada

O projeto llama.cpp lançou a versão b10891, que aborda um problema crítico de estabilidade em GPUs PowerVR. A atualização modifica o backend Vulkan para recuar à redução por memória compartilhada nas operações de multiplicação de matriz por vetor desquantizada (dmmv).

media MarkTechPost · agora mesmo Ao vivo

DeepSeek lança DeepSeek-V4.1-Flash com contexto de 1M e cache KV FP4

A DeepSeek AI lançou o DeepSeek-V4.1-Flash, um modelo Mixture-of-Experts multimodal que possui uma janela de contexto de 1 milhão de tokens e um cache KV FP4 que reduz a pegada global do cache para 890 bytes por token. O modelo utiliza uma arquitetura de codificador-decodificador causal e Compressed Sparse Attention 2 (CSA2) para reduzir significativamente os requisitos de memória enquanto mantém o desempenho.

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

llama.cpp b10889 evita alocação de cache V para o indexador

O projeto llama.cpp lançou a compilação b10889, que inclui uma otimização de memória para evitar alocar o cache V para o indexador, já que ele não é utilizado.

github llama.cpp · há 3 h · 1 visualização

llama.cpp b10888 adiciona rótulos de depuração de buffer de comandos para profilers de GPU

O projeto llama.cpp lançou a compilação b10888, que inclui um novo recurso para adicionar rótulos de depuração de buffer de comandos para profilers de GPU no backend Vulkan.

github llama.cpp · há 4 h · 1 visualização

llama.cpp b10886 adiciona suporte a intrínsecos vetoriais Q1_0 para s390x

O projeto llama.cpp lançou a compilação b10886, que introduz o suporte a intrínsecos vetoriais Q1_0 para a arquitetura s390x. Esta atualização inclui a implementação de `ggml_vec_dot_q1_0_q8_0` e atualiza a documentação para refletir a nova capacidade.