github llama.cpp · há 19 h · inference

llama.cpp b11102 adiciona suporte para MiMo-V2.6

Traduzido do English → Português (BR)

O projeto llama.cpp lançou a compilação b11102, que introduz suporte para converter modelos MiMo-V2.6.

O reempacotamento da conversão K3 mxfp4 foi elevado para base.py para permitir reutilização.
O decodificador foi removido do processo de conversão do mmproj.
A lógica de conversão agora usa um autoleitor.

-binários estão disponíveis para macOS, Linux, Windows, Android e openEuler em backends de CPU, GPU e NPU.

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

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 1 h · 11 visualizações Ao vivo

llama.cpp b11120 oculta símbolos internos do Vulkan para corrigir destruição de estado

O projeto llama.cpp lançou a versão b11120, que corrige um bug crítico no backend do Vulkan ocultando símbolos internos. Essa mudança evita problemas de destruição de estado por duplicate-dlopen que ocorriam quando os símbolos internos eram exportados.

github llama.cpp · há 6 h · 13 visualizações

llama.cpp b11118 introduz cache DMA de mapeamento direto para tratamento de máscara HVX FA

O projeto llama.cpp lançou a compilação b11118, que inclui um novo recurso hex-dma introduzindo um cache DMA de mapeamento direto mais adequado para o tratamento de máscaras FA do Hexagon Vector eXtended (HVX).

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.

github llama.cpp · há 18 h · 13 visualizações

llama.cpp b11104 adiciona suporte para vincular o llama-server a múltiplos endereços

O projeto llama.cpp lançou a versão b11104, introduzindo um novo recurso que permite ao componente llama-server se vincular a múltiplos endereços de rede simultaneamente.