github llama.cpp · há 5 h · inference

llama.cpp b11042 adiciona kernel binário OpenCL A8 Q6_K

Traduzido do English → Português (BR)

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.

Adiciona o kernel OpenCL `kernel_gemm_noshuffle_q6_k_f32_32b_trans_ila_a8_bin`.
Resolve problemas de compatibilidade de layout na implementação do OpenCL.
Fornece binários para macOS (Apple Silicon e Intel), iOS, Linux (CPU, Vulkan, CUDA 12/13, ROCm, OpenVINO, SYCL), Android, Windows (CPU, Vulkan, CUDA 12/13, ROCm, OpenVINO, SYCL) e openEuler.

Este lançamento expande o suporte de hardware para formatos de quantização específicos em dispositivos OpenCL, mantendo ampla compatibilidade entre os principais sistemas operacionais e arquiteturas de GPU.

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 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.

github llama.cpp · há 2 d · 4 visualizações

llama.cpp b11019 corrige alinhamento de dados do GGUF para arquivos embutidos e adiciona carregamento de LoRA

O projeto llama.cpp lançou a versão b11019, corrigindo um bug crítico em que arquivos GGUF embutidos em deslocamentos não alinhados retornavam dados de tensor incorretos. A atualização alinha a seção de dados do GGUF em relação ao início do arquivo, em vez do deslocamento 0, garantindo o carregamento correto de modelos embutidos.