# تغییر شیوه تقسیم فلش‌اَتِنشن Hexagon در llama.cpp

> نسخه b11868 دو پرچم تقسیم فلش‌اَتِنشن Hexagon را یکی می‌کند و وقتی تعداد سرهای KV برای استفاده از همه هسته‌ها کافی نباشد، تقسیم کار بین تیم‌ها را اضافه می‌کند.

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

نسخه b11868 از ggml-org/llama.cpp شیوه مدیریت فلش‌اَتِنشن چند‌هسته‌ای HMX در Hexagon را تغییر می‌دهد. این نسخه تنظیم‌های جداگانه `FA_HEAD_SPLIT` و `FA_SPLIT` را با یک پرچم، یعنی `GGML_HEXAGON_FA_SPLIT`، جایگزین می‌کند.

وقتی مقدار این پرچم 1 باشد، کار را می‌توان بین سرهای KV تقسیم کرد و اگر تعداد سرهای KV از تعداد هسته‌ها کمتر باشد، آن را بین تیم‌ها هم تقسیم کرد تا هسته‌هایی که در غیر این صورت بیکار می‌مانند، در پردازش مشارکت کنند. در توضیحات انتشار، اجرای Gemma 4 با دو سر KV روی چهار هسته به‌عنوان نمونه آمده است.

## حقایق

- اگر مقدار `GGML_HEXAGON_FA_SPLIT` روی 0 باشد، فقط تقسیم بر اساس توکن انجام می‌شود؛ مقدار 1 تقسیم بر اساس سر و در صورت نیاز تقسیم بین تیم‌ها را فعال می‌کند.
- طبق توضیحات انتشار، وقتی سرها به‌طور مساوی توزیع شده باشند، تقسیم ساده بر اساس سر انجام می‌شود.

## چرا مهم است

برای کسانی که llama.cpp را روی سخت‌افزار Hexagon اجرا می‌کنند، هدف این تغییر آن است که وقتی تعداد سرهای KV مدل از تعداد هسته‌ها کمتر است، هسته‌های بیشتری در پردازش مشارکت کنند؛ توضیحات انتشار میزان افزایش سرعت را اعلام نمی‌کند.

## منابع و ارجاع‌ها

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

آخرین به‌روزرسانی: 2026-10-24