github llama.cpp · agora mesmo · inference

llama.cpp b10899 adiciona otimizações do Vulkan para Qwen e suporte split_k

Traduzido do English → Português (BR)

O projeto llama.cpp lançou a versão b10899, introduzindo melhorias específicas de desempenho em seu backend Vulkan. A atualização foca na otimização de operações matriciais para a família de modelos Qwen e no aprimoramento do desempenho geral com M pequeno.

Otimiza mul_mat com m=1 trocando as matrizes A/B no Vulkan.
Melhora o desempenho para dimensões M pequenas.
Habilita o suporte split_k com valores M pequenos.
Ajusta a seleção de blocos pequenos vs. médios para coopmat2 dependendo de M em vez de apenas N.

Essas alterações visam melhorar a eficiência de inferência em hardware compatível com Vulkan, particularmente para modelos como Qwen que se beneficiam das otimizações matriciais especificadas.

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

Ler original

llama.cpp b10896 corrige falha de decodificação do DFlash com modelos de visão

O projeto llama.cpp lançou a compilação b10896, que aborda um problema crítico onde a memória do redator falhava ao alocar novos tokens ao usar DFlash com modelos de visão. Essa falha ocorreu porque as imagens relatavam um deslocamento fixo, impedindo a alocação adequada de tokens.

github llama.cpp · há 2 d · 2 visualizações

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 · 4 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 · 6 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.