# llama.cpp cambia la división de flash attention en Hexagon

> La versión b11868 unifica dos opciones de división de flash attention en Hexagon y añade la división por equipos cuando las cabezas KV no aprovechan todos los núcleos disponibles.

Oossa · 2026-10-24 · https://oossa.com/es/llama-cpp-changes-hexagon-flash-attention-splitting

La versión b11868 de ggml-org/llama.cpp cambia el manejo de flash attention multinúcleo HMX en Hexagon. Sustituye los ajustes independientes `FA_HEAD_SPLIT` y `FA_SPLIT` por una sola opción: `GGML_HEXAGON_FA_SPLIT`.

Con la opción en 1, el trabajo puede dividirse entre las cabezas KV y, cuando hay menos cabezas KV que núcleos, entre equipos, para que también participen los núcleos que de otro modo quedarían inactivos. La versión pone como ejemplo Gemma 4, con dos cabezas KV en cuatro núcleos.

## Los hechos

- `GGML_HEXAGON_FA_SPLIT` en 0 mantiene únicamente la división por tokens; en 1 activa la división por cabezas y, cuando hace falta, por equipos.
- Las notas de la versión indican que, cuando las cabezas se distribuyen de manera uniforme, se usa la división simple por cabezas.

## Por qué importa

Para quienes ejecutan llama.cpp en hardware Hexagon, el cambio busca que los núcleos participen cuando un modelo tiene menos cabezas KV que núcleos; las notas de la versión no cuantifican ninguna mejora de velocidad.

## Fuentes y referencias

1. [ggml-org/llama.cpp b11868](https://github.com/ggml-org/llama.cpp/releases/tag/b11868) – llama.cpp, 2026-10-24

Última actualización: 2026-10-24