# llama.cpp optimise la déquantification du cache KV sur Vulkan

> La bibliothèque open source Llama.cpp prend désormais en charge un cache clé-valeur déquantifié sur les GPU Vulkan, ce qui accélère le traitement de certaines têtes de modèle.

Oossa · 2026-11-11 · https://oossa.com/fr/llama-cpp-adds-vulkan-kv-dequantization-optimization

L’équipe ggml-org a publié la version b12291 de llama.cpp. Elle ajoute une optimisation basée sur Vulkan qui déquantifie le cache clé-valeur à l’aide de l’instruction coopmat2. Cette optimisation n’est appliquée que si une heuristique fondée sur le nombre de jetons de requête et le ratio GQA la juge sûre. La mise à jour corrige également la gestion de l’alignement pour certaines tailles de tête, ce qui améliore les performances lorsque l’optimisation ne peut pas être utilisée.

## Les faits

- La version b12291 a été publiée le 2026-11-11
- Ajoute une optimisation de déquantification du cache KV pour les GPU Vulkan

## Pourquoi c'est important

Les développeurs qui exécutent des modèles Llama sur du matériel compatible avec Vulkan peuvent bénéficier d’une inférence plus rapide sans modifier leur code.

## Sources et références

1. [ggml-org/llama.cpp b12291](https://github.com/ggml-org/llama.cpp/releases/tag/b12291) – llama.cpp, 2026-11-11

Dernière mise à jour: 2026-11-11