Pré-version / build continu : il s'agit d'un build expérimental, pas d'une version stable.
graph : compléter la dimension KV de l'attention sans cache à 256 (#30416) Le chemin sans cache construit un masque [n_tokens, n_tokens] et passe K et V sans complément, de sorte que FLASH_ATTN_EXT voit K->ne[1] == n_tokens. Les kernels CUDA pour une taille de tête de 512 exigent un multiple de FATTN_KQ_STRIDE, donc l'opération retombe sur le CPU pour la plupart des longueurs, et la sonde automatique -fa (1 token) désactive l'attention flash pour ces modèles. Compléter le masque comme llama_kv_cache::get_n_kv et compléter K et V avec des zéros jusqu' à la dimension KV du masque. clef construit son propre masque causal et le complète de la même manière.Site web : - https://llama.app
Attestations : - https://github.com/ggml-org/llama.cpp/attestations/55199687
macOS/iOS : - macOS Apple Silicon (arm64) - macOS Apple Silicon (arm64, KleidiAI activé) DÉSACTIVÉ - macOS Intel (x64) - iOS XCFramework
Linux : - Ubuntu x64 (CPU) - Ubuntu arm64 (CPU) - Ubuntu s390x (CPU) - Ubuntu x64 (Vulkan) - Ubuntu arm64 (Vulkan) - Ubuntu x64 (CUDA 12) - Bibliothèques CUDA 12.8 - Ubuntu x64 (CUDA 13) - Bibliothèques CUDA 13.4 - Ubuntu arm64 (CUDA 13) - Bibliothèques CUDA 13.4 - Ubuntu x64 (ROCm 10.0) - Ubuntu x64 (OpenVINO) - Ubuntu x64 (SYCL FP32) - Ubuntu x64 (SYCL FP16) - Linux arm64 (Snapdragon : CPU, GPU Adreno, NPU Hexagon) - guide d'installation
Android : - Android arm64 (CPU) - Android arm64 (Snapdragon : CPU, GPU Adreno, NPU Hexagon) - guide d'installation
Windows : - Windows x64 (CPU) - Windows arm64 (CPU) - Windows arm64 (OpenCL Adreno) - Windows x64 (CUDA 12) - DLLs CUDA 12.4 - Windows x64 (CUDA 13) - DLLs CUDA 13.4 - Windows arm64 (CUDA 13) - DLLs CUDA 13.4 - Windows x64 (Vulkan) - Windows arm64 (Vulkan) - Windows x64 (OpenVINO) - Windows x64 (SYCL) - Windows x64 (ROCm 10.0)
openEuler : - DÉSACTIVÉ - openEuler x86 (310p) - openEuler x86 (910b, ACL Graph) - openEuler aarch64 (310p) - openEuler aarch64 (910b, ACL Graph)
UI : - UI