lab Hugging Face Blog · há 1 d · releases

Criador do oMLX, Jun Kim, se junta ao Hugging Face para apoiar a comunidade MLX

Traduzido do English → Português (BR)

Jun Kim, criador e mantenedor do oMLX, juntou-se ao Hugging Face para apoiar a comunidade MLX. Este movimento visa fornecer estabilidade e desenvolvimento mais rápido para o projeto de código aberto, transicionando-o de um trabalho secundário para uma iniciativa totalmente mantida e financiada.

Jun Kim continuará liderando o oMLX sob a licença Apache 2.0.
O projeto servirá como um campo de testes para novas ideias, aproveitando dependências como mlx-lm e mlx-vlm.
Um foco principal é simplificar a transição das definições de modelos do transformers para implementações de referência do MLX.
O Hugging Face visa fortalecer relacionamentos com projetos como LMStudio, mlx-lm e mlx-vlm.

Esta colaboração busca desbloquear a comunidade fornecendo ferramentas e blocos de construção para executar IA local em várias formas.

Importância 1/3 Confiança 1/3 Hugging Face Blog Hugging Face Apple ML Local inference

Ler original

llama.cpp b11122 estende a fusão MMVQ GLU e adiciona novas fusões SYCL

O projeto llama.cpp lançou a versão b11122, que inclui atualizações significativas para o backend SYCL. O lançamento estende a fusão MMVQ GLU para suportar tipos de quantização mistos e introduz novas fusões para as operações rms_norm+scale e ssm_conv+silu.

github llama.cpp · há 17 h · 9 visualizações

llama.cpp adiciona suporte a DFlash para HunyuanOCR e corrige conversão de rascunho

O projeto llama.cpp adicionou suporte à decodificação especulativa DFlash com o modelo HunyuanOCR, expondo tensores de entrada das camadas no grafo alvo. Essa alteração permite que o modelo de rascunho leia os fluxos residuais, possibilitando que solicitações de imagem sejam executadas com sucesso, apresentando uma taxa de aceitação de rascunho de aproximadamente 0,5 e saída OCR idêntica em bytes em comparação às execuções não especulativas.

lab Hugging Face Blog · há 21 h · 10 visualizações

Transformers adiciona suporte a GGUF por meio de kernels ggml para inferência local

A biblioteca Transformers do Hugging Face agora suporta o carregamento de modelos quantizados em GGUF, aproveitando os kernels ggml subjacentes para trazer o desempenho próximo ao do llama.cpp. Essa integração permite que desenvolvedores executem checkpoints quantizados diretamente na API padrão baseada em PyTorch em hardware compatível.

github llama.cpp · há 4 d · 21 visualizações

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 6 d · 15 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.