사전 릴리스 / 연속 빌드: 이것은 실험적인 빌드이며 안정 릴리스가 아닙니다.
ggml-cpu : F16C를 사용하는 x86에서 FP16->FP32 룩업 테이블 유지 (#30342) (#30343) * ggml-cpu : F16C를 사용하는 x86에서 FP16->FP32 룩업 테이블 유지 (#30342) #30270은 두 스칼라 변환을 모두 F16C를 통해 처리하도록 변경했습니다. FP16->FP32의 경우 Clang 20.1.8이 해당 intrinsic을 양자화된 dot product의 라이브 accumulator 레지스터에 병합되는 vpinsrw로 낮추어 루프를 직렬화합니다(추정상 반복당 19 대 4 사이클, 측정된 Q8_0/Q4_0 MUL_MAT_ID 커널은 45-65% 더 느림). 의도대로 FP32->FP16에는 F16C를 유지하고 FP16->FP32에는 테이블을 유지합니다. * ggml-cpu : F16C FP16->FP32 define을 제거하는 대신 주석 처리 (review)웹사이트: - https://llama.app
증명(Attestations): - https://github.com/ggml-org/llama.cpp/attestations/56105849
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: - 윈도우 x64 (CPU) - 윈도우 arm64 (CPU) - 윈도우 arm64 (OpenCL Adreno) - 윈도우 x64 (CUDA 12) - CUDA 12.4 DLL들 - 윈도우 x64 (CUDA 13) - CUDA 13.4 DLL들 - 윈도우 arm64 (CUDA 13) - CUDA 13.4 DLL들 - 윈도우 x64 (Vulkan) - 윈도우 arm64 (Vulkan) - 윈도우 x64 (OpenVINO) - 윈도우 x64 (SYCL) - 윈도우 x64 (ROCm 10.0)
openEuler: - DISABLED - openEuler x86 (310p)용 - openEuler x86 (910b, ACL Graph)용 - openEuler aarch64 (310p)용 - openEuler aarch64 (910b, ACL Graph)용
UI: - UI