# llama.cpp b12549 corrige la gestion de l’attention d’Inkling2

> La mise à jour ajoute à Inkling2 une entrée dédiée à l’attention à position relative et corrige la réutilisation des masques pour des modèles à mémoire hybride comme LFM2 et LFM3.

Oossa · 2026-11-19 · https://oossa.com/fr/llama-cpp-b12549-fixes-attention-handling-for-inkling2

L’équipe ggml-org a publié llama.cpp b12549, qui corrige la gestion des masques d’attention pour Inkling2, un modèle pris en charge par le projet. La mise à jour ajoute une entrée dédiée à Inkling2, qui construit son masque d’attention dense et son biais de position relative à partir des mêmes cellules. Elle corrige également la construction des masques pour les modèles à mémoire hybride, qui empêchait la réutilisation du graphe avec un cache unifié et Flash Attention, notamment pour LFM2, LFM3 et Inkling2. La version permet aussi de régler à zéro le facteur d’échelle des poids d’experts et le plafonnement souple des logits finaux d’Inkling2.

## Les faits

- Version : llama.cpp b12549, publiée le 19 novembre 2026.
- La correction de la réutilisation des masques concerne les modèles à mémoire hybride LFM2, LFM3 et Inkling2.

## Pourquoi c'est important

Pour les personnes qui exécutent ces modèles à mémoire hybride dans llama.cpp, les corrections résolvent un problème qui empêchait la réutilisation du graphe avec un cache unifié et Flash Attention. Les notes de version ne chiffrent aucun gain de vitesse.

## Sources et références

1. [ggml-org/llama.cpp b12549](https://github.com/ggml-org/llama.cpp/releases/tag/b12549) – llama.cpp, 2026-11-19

Dernière mise à jour: 2026-11-19
