github llama.cpp · только что · inference

llama.cpp b10922 добавляет бинарный ядро OpenCL A8 Q4_K

Переведено с English → Русский

Проект llama.cpp выпустил версию b10922, вводя новое бинарное ядро OpenCL для умножения матриц A8 Q4_K без MoE. Это обновление также включает исправления совместимости макета и переименование вспомогательных функций выбора бинарного ядра в кодовой базе.

Добавлено ядро OpenCL `kernel_gemm_noshuffle_q4_k_f32_32b_trans_ila_a8_bin`.
Исправлены проблемы совместимости макета в бэкенде OpenCL.
Переименованы вспомогательные функции выбора бинарного ядра для ясности.

Этот релиз предоставляет обновленные бинарные файлы для macOS, Linux, Windows, Android и iOS на различных аппаратных бэкендах, включая CPU, CUDA, Vulkan, ROCm и SYCL.

Важность 1/3 Доверие 1/3 llama.cpp Hugging Face Inference efficiency

Оригинал

Похожие статьи

github llama.cpp · 22 ч назад · 1 просмотр

llama.cpp b10907 исправляет выделение контекстного kv-кэша MTP для deepseek2, glm4moe, cohere2moe

Проект llama.cpp выпустил версию b10907, которая включает исправление выделения контекстного ключ-значения кэша Multi-Token Prediction (MTP). Это обновление устраняет проблемы, затрагивающие архитектуры deepseek2, glm4moe и cohere2moe.

github llama.cpp · 22 ч назад · 1 просмотр

llama.cpp b10908 исправляет простаивающие потоки в ядрах Metal iq mul_mv

Проект llama.cpp выпустил версию b10908, которая включает исправление для простаивающих потоков в оставшихся ядрах iq mul_mv для ne00 < 1024. Это изменение обобщает логику разделения строк для шести конкретных ядер: iq1_s, iq1_m, iq2_xxs, iq2_xs, iq2_s и iq3_s.

github llama.cpp · 23 ч назад · 1 просмотр

llama.cpp b10905 настраивает Flash Attention для AMD RDNA4 и пересматривает логику stream-k

Проект llama.cpp выпустил сборку b10905, которая включает специфическую настройку Flash Attention для CUDA/HIP на архитектуре gfx1201. Это обновление сосредоточено на оптимизации производительности для GPU AMD RDNA4.

github llama.cpp · 2 д назад · 6 просмотров

llama.cpp b10888 добавляет метки отладки командных буферов для профилировщиков GPU

Проект llama.cpp выпустил сборку b10888, которая включает новую функцию добавления меток отладки командных буферов для профилировщиков GPU во бэкенде Vulkan.

github llama.cpp · 2 д назад · 1 просмотр

llama.cpp b10886 добавляет поддержку векторных встроенных функций Q1_0 для s390x

Проект llama.cpp выпустил сборку b10886, которая внедряет поддержку векторных встроенных функций Q1_0 для архитектуры s390x. Это обновление включает реализацию `ggml_vec_dot_q1_0_q8_0` и обновляет документацию, чтобы отразить новую возможность.