# llama.cpp b11866 streicht ältere Metal-Skalierung

> Das Release entfernt Metal-Reduktionskernel und einen Scratch-Puffer, nachdem die Skalierung der Expertentokens in den Rechengraphen verlagert wurde. Leistungsdaten werden nicht genannt.

Oossa · 2026-10-24 · https://oossa.com/de/llama-cpp-b11866-removes-an-older-metal-scaling-step

Das Team von ggml-org entfernt mit dem Release llama.cpp b11866 einen Skalierungsschritt auf Zweierpotenzen aus einem Metal-Matrixmultiplikationskernel für Mixture-of-Experts-Modelle. Laut Projekt hält die Skalierung pro Expertentoken im Rechengraphen die Aktivierungen der Down-Projection nun innerhalb des von f16 unterstützten Wertebereichs, bevor der Vorgang ausgeführt wird.

Durch die Änderung entfallen außerdem zweistufige Reduktionskernel, ihr Scratch-Puffer und ein f32-Dispatch-Pfad sowie Tests für Eingaben, die den f16-Wertebereich überschritten. Das Release führt Builds für Apple-Silicon-Macs und zahlreiche weitere Plattformen auf; Messwerte zu Geschwindigkeit oder Genauigkeit werden nicht angegeben.

## Die Fakten

- Release: b11866, datiert auf den 2026-10-24.
- Das Release entfernt Metal-Reduktionskernel, einen Scratch-Puffer und einen GGML_PREC_F32-Dispatch-Pfad.

## Warum es wichtig ist

Für llama.cpp-Nutzer, die Mixture-of-Experts-Modelle mit Metal ausführen, stützt sich der Kernel nun auf die zuvor im Rechengraphen vorgenommene Skalierung. Das Release sagt nicht, ob sich dadurch Geschwindigkeit oder Ausgabequalität ändern.

## Quellen und Referenzen

1. [ggml-org/llama.cpp b11866](https://github.com/ggml-org/llama.cpp/releases/tag/b11866) – llama.cpp, 2026-10-24

Zuletzt aktualisiert: 2026-10-24