github llama.cpp · há 2 d · inference

llama.cpp b11012 adiciona suporte a Vulkan para operações hc do qwen4exp

Traduzido do English → Português (BR)

O projeto llama.cpp lançou a versão b11012, que introduz suporte a Vulkan para operações hc do qwen4exp por meio do pull request #28988. Esta atualização também inclui uma correção para um comentário desatualizado.

A versão fornece binários e frameworks em várias plataformas e aceleradores de hardware:

macOS: Apple Silicon (arm64), Intel (x64) e iOS XCFramework.
Linux: compilações do Ubuntu para CPU, Vulkan, CUDA 12/13, ROCm 10.0, OpenVINO e SYCL.
Windows: compilações para CPU, OpenCL Adreno, CUDA 12/13, Vulkan, OpenVINO, SYCL e ROCm 10.0.
Android: suporte a CPU arm64.

Esta versão permite que os usuários executem modelos qwen4exp com operações de alto processamento em GPUs compatíveis com Vulkan em sistemas operacionais suportados.

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

Ler original

llama.cpp b11046 adiciona suporte para OpenCL ao kernel flash_attn_f32_f16_bin

O projeto llama.cpp lançou a versão b11046, que introduz suporte para OpenCL no kernel `flash_attn_f32_f16_bin`. Esta atualização também inclui funcionalidade de pré-preenchimento protegido para Flash Attention em dispositivos OpenCL.

github llama.cpp · há 5 h · 1 visualização

llama.cpp b11042 adiciona kernel binário OpenCL A8 Q6_K

O projeto llama.cpp lançou a versão b11042, que introduz um novo kernel binário OpenCL para modelos A8 Q6_K não-MoE. Esta atualização também inclui correções de compatibilidade de layout dentro do backend OpenCL.

github llama.cpp · há 9 h · 1 visualização

llama.cpp b11039 adiciona suporte ao padrão SWA ao model-saver e aos carregadores

O projeto llama.cpp lançou a compilação b11039, que atualiza o model-saver para gravar padrões de atenção de janela deslizante (SWA) e geometria MLA SWA para todos os modelos que usam SWA. A alteração garante que o `sliding_window_pattern` seja gravado como um sinalizador por camada, em vez de ser colapsado para um escalar, preservando a representação exata dos dados.

github llama.cpp · há 1 d · 6 visualizações

llama.cpp b11024 atualiza o OpenVINO para 2026.4 e corrige avisos

O projeto llama.cpp lançou a compilação b11024, que atualiza principalmente a integração do OpenVINO para a versão 2026.4.

github llama.cpp · há 1 d · 2 visualizações

llama.cpp b11025 estende o suporte ao Nemotron MTP

O projeto llama.cpp lançou a compilação b11025, que inclui uma extensão do suporte à Predição Multi-Token (MTP) da Nemotron.