Le projet ggml‑org/llama.cpp a publié une nouvelle préversion, sous le tag b11721, le 18 oct. 2026. Elle fusionne la séquence scale-sigmoid-scale de Qwen4exp en un seul kernel CUDA et ajoute une fusion HC_POST_GATE pour Vulkan, réduisant le nombre de kernels GPU de quatre à un. La publication propose également des builds pour de nombreux processeurs et GPU, notamment Apple Silicon, AMD, NVIDIA CUDA 12‑13, ROCm, OpenVINO et les plateformes Android Snapdragon.
Pourquoi c'est important
Grâce à cette nouvelle fusion de kernels, les développeurs peuvent exécuter des LLM plus rapidement sur une gamme de matériel plus étendue.
