github llama.cpp · agora mesmo · inference

llama.cpp b11158 habilita suporte a matrizes cooperativas KHR para GPUs Adreno

Traduzido do English → Português (BR)

O projeto llama.cpp lançou a compilação b11158, que inclui um ajuste do suporte a matrizes cooperativas KHR especificamente para GPUs Adreno por meio do backend Vulkan.

Suporte a matrizes cooperativas (coopmat) habilitado para o backend Vulkan para melhorar o desempenho em hardware compatível.
Corrigida a função mul_mat_s dentro da implementação.
Removidas instruções de depuração do código-fonte.

Esta atualização fornece aceleração de GPU otimizada para dispositivos Snapdragon executando Linux e Android, bem como sistemas Windows arm64 com gráficos Adreno.

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

Ler original

llama.cpp v0.5.0 adiciona suporte a HRM-Text, aceleração CUDA conv2d e vinculação multi-endereço

O projeto llama.cpp lançou a versão 0.5.0, focando em desempenho do backend, cobertura mais ampla de modelos e operação de servidor mais robusta. Esta atualização introduz suporte para novas arquiteturas como HRM-Text (DFM Mimir 1B) e MiMo-V2.6, enquanto melhora significativamente a eficiência computacional por meio de otimizações CUDA e Metal.

github llama.cpp · há 17 h · 11 visualizações

llama.cpp b11147 adiciona kernel OpenCL dp4a non-MoE Q6_K A8

O projeto llama.cpp lançou a versão b11147, que introduz um novo kernel binário para OpenCL. Esta atualização adiciona especificamente suporte para a configuração A8 Q6_K non-MoE dp4a.

github llama.cpp · há 22 h · 12 visualizações

llama.cpp b11132 adiciona suporte ao backbone de rascunho Gemma 4 DSpark

O projeto llama.cpp lançou a versão b11132, introduzindo suporte ao backbone de rascunho Gemma 4 DSpark. Esta atualização habilita a conversão GGUF e capacidades em tempo de execução para rascunhos Gemma 4 com atenção completa e SWA, incluindo pesos de saída vinculados e metadados do backbone booleanos.

github llama.cpp · há 1 d · 13 visualizações

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 2 d · 14 visualizações

llama.cpp b11111 adiciona kernels de otimização flash attention para Intel Xe

O projeto llama.cpp lançou a compilação b11111, que introduz kernels de otimização flash attention baseados em Vulkan para caminhos split k nas arquiteturas Xe-LPG Plus, Xe2 e Xe3.