L’équipe ggml-org a publié llama.cpp version b11723 le 19 oct. 2026. La mise à jour apporte des améliorations à FLASH_ATTN_EXT pour les fenêtres de contexte plus longues et les modèles SWA, ainsi que le saut de blocs masqués pour réduire les accès mémoire. Des versions binaires sont désormais disponibles pour macOS (Apple Silicon et Intel), iOS et plusieurs variantes d’Ubuntu, avec notamment la prise en charge des GPU Vulkan. Ces changements visent à améliorer les performances de modèles comme gemma-4.
Pourquoi c'est important
Les développeurs peuvent exécuter plus efficacement des LLM à grand contexte sur des CPU de bureau et des GPU compatibles.
