github llama.cpp · há 2 d · inference

llama.cpp b11018 corrige erro de alocação de memória SYCL no Arc B70

Traduzido do English → Português (BR)

O projeto llama.cpp lançou a compilação b11018, que inclui uma correção para um erro de alocação de memória que ocorre ao usar a GPU Intel Arc B70 com o backend SYCL.

Resolve um problema onde a alocação de memória falhava para cargas de trabalho que excedem 19.3GB no Arc B70.
Fornece binários para macOS (Apple Silicon e Intel), Linux (CPU, CUDA, ROCm, OpenVINO, SYCL), Windows (CPU, CUDA, Vulkan, OpenCL, SYCL, ROCm, OpenVINO), Android e UI.
Inclui compilações específicas para Ubuntu x64/arm64/s390x com vários suportes de acelerador incluindo CUDA 12/13, ROCm 10.0 e OpenVINO 2026.3.1.

Esta atualização garante operação estável no hardware Intel Arc B70 corrigindo a lógica de manipulação de memória na implementação SYCL.

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

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 1 h · 1 visualização Ao vivo

llama.cpp b11044 atualiza hexagon im2col e lança binários

O projeto llama.cpp lançou a versão b11044, que inclui uma atualização no backend hexagon para melhorar as operações image-to-column (im2col). O lançamento fornece binários pré-compilados para macOS, Linux, Windows, Android e openEuler em CPU, GPU e outros aceleradores de hardware.

github llama.cpp · há 2 h · 1 visualização

llama.cpp b11045 adiciona suporte à operação ROLL no backend Hexagon

O projeto llama.cpp lançou a versão b11045, que introduz suporte para a operação ROLL dentro do backend Hexagon.

github llama.cpp · há 12 h · 1 visualização

llama.cpp b11035 adiciona kernels IQ3_S MMQ matmul para Vulkan

O projeto llama.cpp lançou a versão b11035, introduzindo suporte para kernels de multiplicação de matrizes IQ3_S MMQ em seu backend Vulkan.

github llama.cpp · há 1 d · 5 visualizações

llama.cpp b11026 ignora gate_up_exps para Qwen35MoE

O projeto llama.cpp lançou a compilação b11026, que introduz uma alteração para ignorar gate_up_exps quando o sinalizador TENSOR_SKIP está definido. Esta modificação é especificamente necessária para modelos Qwen35MoE onde os tensores MTP estão fundidos, mas não carregados.