# افزودن توجه فلش تنک Vulkan به llama.cpp برای K/V کوانتیزه‌شده

> محیط اجرای متن‌باز LLM اکنون از حالت توجه فلش تنک مبتنی بر Vulkan برای داده‌های K/V کوانتیزه‌شده پشتیبانی می‌کند.

Oossa · 2026-10-05 · https://oossa.com/fa/llama-cpp-adds-vulkan-sparse-flash-attention-for-quantized-keys-and-values

تیم ggml‑org نسخه b11413 از llama.cpp را در Oct 5 2026 منتشر کرد. این به‌روزرسانی، پیاده‌سازی Vulkan برای توجه فلش تنک را اضافه می‌کند که با تنسورهای کلید/مقدار کوانتیزه‌شده کار می‌کند. این قابلیت با عنوان «توجه فلش تنک برای K/V کوانتیزه‌شده» توصیف شده و برای استنتاج شتاب‌گرفته با GPU در نظر گرفته شده است. در فهرست این انتشار، نسخه‌های ساخته‌شده برای پلتفرم‌های گوناگون، از Apple Silicon در macOS تا CUDA و Vulkan در Windows، نیز آمده‌اند.

## حقایق

- نسخه b11413 در Mon Oct 05 2026 منتشر شد
- قابلیت جدید: توجه فلش تنک Vulkan برای K/V کوانتیزه‌شده

## چرا مهم است

توسعه‌دهندگان اکنون می‌توانند مدل‌های کوانتیزه‌شده را با سرعت بیشتری روی GPUهای سازگار با Vulkan اجرا کنند و هزینه محاسباتی دستگاه‌های لبه‌ای را کاهش دهند.

## منابع و ارجاع‌ها

1. [ggml-org/llama.cpp b11413](https://github.com/ggml-org/llama.cpp/releases/tag/b11413) – llama.cpp, 2026-10-05

آخرین به‌روزرسانی: 2026-10-05