پروژه ggml‑org/llama.cpp در ۱۸ اکتبر ۲۰۲۶ نسخه پیش‌انتشاری با برچسب b11721 منتشر کرد. این نسخه زنجیره scale‑sigmoid‑scale در Qwen4exp را در یک کرنل CUDA ادغام می‌کند و قابلیت ادغام HC_POST_GATE در Vulkan را هم اضافه می‌کند؛ در نتیجه تعداد کرنل‌های GPU از چهار به یک کاهش می‌یابد. همچنین بیلدهایی برای طیف گسترده‌ای از پردازنده‌ها و کارت‌های گرافیک ارائه شده است؛ از جمله Apple Silicon، AMD، NVIDIA CUDA 12‑13، ROCm، OpenVINO و پلتفرم‌های Android Snapdragon.
چرا مهم است
به لطف ادغام تازه کرنل‌ها، توسعه‌دهندگان می‌توانند مدل‌های LLM را سریع‌تر و روی سخت‌افزارهای متنوع‌تری اجرا کنند.
