# llama.cpp modifie le partage de l’attention flash Hexagon

> La version b11868 regroupe deux options de partage de l’attention flash Hexagon et ajoute un partage par équipes lorsque les têtes KV n’utilisent pas tous les cœurs disponibles.

Oossa · 2026-10-24 · https://oossa.com/fr/llama-cpp-changes-hexagon-flash-attention-splitting

La version b11868 de ggml-org/llama.cpp modifie la gestion de l’attention flash HMX multicœur sur Hexagon. Elle remplace les options distinctes `FA_HEAD_SPLIT` et `FA_SPLIT` par un seul indicateur, `GGML_HEXAGON_FA_SPLIT`.

Lorsque l’indicateur est réglé sur 1, le travail peut être réparti entre les têtes KV et, si celles-ci sont moins nombreuses que les cœurs, entre plusieurs équipes afin que les cœurs autrement inactifs puissent participer. La version cite l’exemple de Gemma 4, qui compte deux têtes KV pour quatre cœurs.

## Les faits

- Avec `GGML_HEXAGON_FA_SPLIT` réglé sur 0, seul le partage par jetons est conservé ; la valeur 1 active le partage par têtes et, au besoin, par équipes.
- Les notes de version précisent que les têtes réparties uniformément utilisent un simple partage par têtes.

## Pourquoi c'est important

Pour les personnes qui utilisent llama.cpp sur du matériel Hexagon, ce changement vise à faire participer les cœurs lorsqu’un modèle compte moins de têtes KV que de cœurs. Les notes de version ne chiffrent aucun gain de vitesse.

## Sources et références

1. [ggml-org/llama.cpp b11868](https://github.com/ggml-org/llama.cpp/releases/tag/b11868) – llama.cpp, 2026-10-24

Dernière mise à jour: 2026-10-24