ggml‑org نسخهٔ b12532 از llama.cpp را در 2026‑11‑19 منتشر کرد. این بهروزرسانی به کاربران OpenCL امکان میدهد میزان padding مربوط به key-value (KV) را در الگوریتم تجزیهشدهٔ flash-attention تنظیم کنند. همچنین باینریهای ازپیشکامپایلشده برای Apple Silicon، مکهای Intel، iOS و مجموعهای از معماریهای لینوکس، از جمله Ubuntu x64، arm64، s390x و نسخههای Vulkan، ارائه میکند.
چرا مهم است
توسعهدهندگان اکنون میتوانند چیدمان حافظه را برای GPUهای OpenCL دقیقتر تنظیم کنند؛ کاری که ممکن است عملکرد را در سختافزارهای پشتیبانیشده بهبود دهد.