github llama.cpp · há 2 d · inference

llama.cpp b11017 pula trabalho desnecessário de MoE no caminho mul_mm coopmat1

Traduzido do English → Português (BR)

O projeto llama.cpp lançou a compilação b11017, que inclui uma otimização do Vulkan para pular trabalho desnecessário de Mixture of Experts (MoE) no caminho mul_mm coopmat1.

Esta atualização fornece binários pré-compilados para macOS (Apple Silicon e Intel), Linux (CPU, Vulkan, CUDA 12/13, ROCm, OpenVINO, SYCL), Windows (CPU, OpenCL Adreno, CUDA 12/13, Vulkan, OpenVINO, SYCL, ROCm), Android e openEuler.

O lançamento também inclui a interface do usuário do llama.cpp.

Importância 1/3 Confiança 1/3 llama.cpp 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 3 h · 1 visualização

llama.cpp b11043 permite flash-attention HMX com head_dim=72

O projeto llama.cpp lançou a compilação b11043, que inclui uma alteração na implementação do flash-attention HMX. Esta atualização habilita o suporte para dimensões de cabeça que não são múltiplos de 64, permitindo especificamente configurações como head_dim=72 do SigLIP.

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.