# llama.cpp réorganise les poids SYCL pour accélérer IQ3

> La bibliothèque open source llama.cpp réorganise désormais les poids IQ3_S et IQ3_XXS au chargement, pour augmenter le débit de génération sur les GPU Intel Arc.

Oossa · 2026-10-15 · https://oossa.com/fr/llama-cpp-adds-sycl-weight-reorder-for-faster-iq3-inference

Le projet llama.cpp a publié la version b11636 le 2026-10-15. Celle-ci introduit une disposition persistante des poids pour les quantifications IQ3_S et IQ3_XXS sous SYCL. Les poids sont réorganisés une seule fois au chargement du modèle : le GPU peut alors traiter des blocs denses au lieu de rassembler les bits, ce qui accélère le décodage et le préremplissage. Sur un GPU Intel Arc Pro B70, le modèle Qwen3.8‑27B a vu son débit passer de 12.92 à 23.54 tokens par seconde pour les requêtes courtes, soit une hausse de 82 %.

## Les faits

- Date de publication : 2026-10-15 ("Thu Oct 15 2026 06:50:37 GMT+0200")
- Le débit sur Intel Arc Pro B70 est passé de 12.92 t/s à 23.54 t/s (+82 %) pour IQ3_S

## Pourquoi c'est important

Les développeurs qui utilisent llama.cpp sur des GPU compatibles SYCL peuvent obtenir des réponses nettement plus rapides sans modifier le code du modèle.

## Sources et références

1. [ggml-org/llama.cpp b11636](https://github.com/ggml-org/llama.cpp/releases/tag/b11636) – llama.cpp, 2026-10-15

Dernière mise à jour: 2026-10-15