사전 릴리스 / 지속 빌드: 이 빌드는 실험적인 빌드이며 안정 릴리스가 아닙니다.
graph: no-cache attention의 KV 차원을 256으로 패딩 (#30416) no-cache 경로는 [n_tokens, n_tokens] 마스크를 만들고 K와 V를 패딩 없이 전달하므로, FLASH_ATTN_EXT는 K->ne[1] == n_tokens를 보게 됩니다. head size 512용 CUDA 커널은 FATTN_KQ_STRIDE의 배수를 요구하기 때문에 대부분의 길이에서 해당 연산은 CPU로 폴백되고, -fa 자동 프로브(1 토큰)는 이러한 모델에 대해 flash attention을 비활성화합니다. llama_kv_cache::get_n_kv처럼 마스크를 패딩하고, 마스크의 KV 차원까지 K와 V를 0으로 패딩하십시오. clef는 자체 인과 마스크(causal mask)를 만들며 같은 방식으로 패딩합니다.웹사이트: - https://llama.app
증명(Attestations): - https://github.com/ggml-org/llama.cpp/attestations/55199687
macOS/iOS: - macOS Apple Silicon (arm64) - macOS Apple Silicon (arm64, KleidiAI 활성화) 비활성화됨 - 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) - CUDA 12.8 라이브러리 - Ubuntu x64 (CUDA 13) - CUDA 13.4 라이브러리 - Ubuntu arm64 (CUDA 13) - CUDA 13.4 라이브러리 - Ubuntu x64 (ROCm 10.0) - Ubuntu x64 (OpenVINO) - Ubuntu x64 (SYCL FP32) - Ubuntu x64 (SYCL FP16) - Linux arm64 (Snapdragon: CPU, Adreno GPU, Hexagon NPU) - 설정 가이드
Android: - Android arm64 (CPU) - Android arm64 (Snapdragon: CPU, Adreno GPU, Hexagon NPU) - 설정 가이드
윈도우(Windows): - 윈도우(Windows) x64 (CPU) - 윈도우(Windows) arm64 (CPU) - 윈도우(Windows) arm64 (OpenCL Adreno) - 윈도우(Windows) x64 (CUDA 12) - CUDA 12.4 DLL - 윈도우(Windows) x64 (CUDA 13) - CUDA 13.4 DLL - 윈도우(Windows) arm64 (CUDA 13) - CUDA 13.4 DLL - 윈도우(Windows) x64 (Vulkan) - 윈도우(Windows) arm64 (Vulkan) - 윈도우(Windows) x64 (OpenVINO) - 윈도우(Windows) x64 (SYCL) - 윈도우(Windows) x64 (ROCm 10.0)
openEuler: - DISABLED - openEuler x86 (310p) 환경 - openEuler x86 (910b, ACL Graph) 환경 - openEuler aarch64 (310p) 환경 - openEuler aarch64 (910b, ACL Graph) 환경
UI: - UI