Δημοφιλή: Ενημέρωση δεδομένων: 27 Οκτωβρίου 2026

Κατηγορίες

Διαδίκτυο1.356
Επικοινωνία321
Ήχος και βίντεο898
Γραφικά και σχεδίαση539
Γραφείο και παραγωγικότητα1.124
Εργαλεία προγραμματισμού3.134
Εργαλεία AI529
Ασφάλεια και απόρρητο385
Εργαλεία συστήματος3.114
Παιχνίδια523
Εκπαίδευση και επιστήμη239
Δίκτυα και IT284

Λήψη llama.cpp b10236

LLM inference in C/C++

Αυτή είναι παλαιότερη έκδοση. Η τελευταία έκδοση είναι η b9994. llama.cpp b9994 · Κυκλοφορία:

Αρχεία εγκατάστασης b10236

ΑρχιτεκτονικήΤύποςΕμβέλειαΜέγεθος αρχείουΛήψηSHA256
64-bit ZIP → Φορητό — — github.com VirusTotal

Ο σύνδεσμος και το SHA256 προέρχονται από το κοινοτικό manifest του Windows Package Manager. Συγκρίνετε το hash του ληφθέντος αρχείου πριν το εκτελέσετε.

Σημειώσεις έκδοσης

metal: implement DSv4 Lightning Indexer (#25893)
- metal: implement F16 Lightning Indexer
- Implement GGML_OP_LIGHTNING_INDEXER for 128-dimensional, 64-head inputs
with F32 queries and weights plus F16 keys and masks.
- Add tiled and tail kernels and test KV lengths around 8- and 64-element
boundaries.
llama-bench (--mmap 1, -fa 1, -p 512, -n 128; d=0/10k/20k/30k):
Before:
- pp512: 153.73 ± 0.87 t/s
- tg128: 8.91 ± 0.04 t/s
- pp512 @ d10000: 73.90 ± 0.39 t/s
- tg128 @ d10000: 8.66 ± 0.03 t/s
- pp512 @ d20000: 45.83 ± 0.18 t/s
- tg128 @ d20000: 8.26 ± 0.03 t/s
- pp512 @ d30000: 33.40 ± 0.21 t/s
- tg128 @ d30000: 7.94 ± 0.01 t/s
After:
- pp512: 155.19 ± 0.91 t/s
- tg128: 8.95 ± 0.04 t/s
- pp512 @ d10000: 86.95 ± 0.69 t/s
- tg128 @ d10000: 9.00 ± 0.05 t/s
- pp512 @ d20000: 62.01 ± 0.45 t/s
- tg128 @ d20000: 8.68 ± 0.04 t/s
- pp512 @ d30000: 49.18 ± 0.33 t/s
- tg128 @ d30000: 8.60 ± 0.02 t/s
Assisted-by: Codex
- metal: stage Lightning Indexer K tiles
- Stage and dequantize K in F16 threadgroup memory before simdgroup matrix loads.
- Zero-fill partial tiles and guard stores so all KV segments use the same numerical path.
- Support F32, F16, BF16, Q4_0, Q4_1, Q5_0, Q5_1, and Q8_0 K caches.
llama-bench (--mmap 1, -fa on, -p 512, -n 128; d=0/10k/20k):
- pp512: 160.38 +/- 1.01 t/s
- tg128: 9.08 +/- 0.03 t/s
- pp512 @ d10000: 88.37 +/- 0.46 t/s
- tg128 @ d10000: 9.07 +/- 0.04 t/s
- pp512 @ d20000: 62.53 +/- 0.46 t/s
- tg128 @ d20000: 8.84 +/- 0.03 t/s
Assisted-by: Codex
- dedup Lightning Indexer constants, fix flaky test
- cont : fix whitespace
Co-authored-by: forforever73 690105611@qq.com
Co-authored-by: Georgi Gerganov ggerganov@gmail.com
Website:
- https://llama.app
macOS/iOS:
- macOS Apple Silicon (arm64)
- macOS Apple Silicon (arm64, KleidiAI enabled) DISABLED
- macOS Intel (x64)
- iOS XCFramework
Linux:
- Ubuntu x64 (CPU)
- Ubuntu arm64 (CPU)
- Ubuntu s390x (CPU)
- Ubuntu x64 (Vulkan)
- Ubuntu arm64 (Vulkan)
- Ubuntu x64 (ROCm 7.2)
- Ubuntu x64 (OpenVINO)
- Ubuntu x64 (SYCL FP32)
- Ubuntu x64 (SYCL FP16)
Android:
- Android arm64 (CPU)
Windows:
- Windows x64 (CPU)
- Windows arm64 (CPU)
- Windows arm64 (OpenCL Adreno)
- Windows x64 (CUDA 12) - CUDA 12.4 DLLs
- Windows x64 (CUDA 13) - CUDA 13.3 DLLs
- Windows x64 (Vulkan)
- Windows x64 (OpenVINO)
- Windows x64 (SYCL)
- Windows x64 (HIP)
openEuler:
- DISABLED
- openEuler x86 (310p)
- openEuler x86 (910b, ACL Graph)
- openEuler aarch64 (310p)
- openEuler aarch64 (910b, ACL Graph)
UI:
- UI

https://github.com/ggml-org/llama.cpp/releases/tag/b10236

Ετικέτες

Κοινοποίηση