# llama.cpp évite le calcul de la tête LM pour les embeddings groupés

> La version du 13 octobre 2026 modifie le graphe de calcul pour éviter les calculs inutiles de la tête LM lorsque seuls des embeddings groupés sont nécessaires.

Oossa · 2026-10-13 · https://oossa.com/fr/llama-cpp-update-skips-lm-head-for-pooled-embeddings

La bibliothèque llama.cpp, maintenue par ggml‑org, a publié la version b11597 le 13 octobre 2026. Cette mise à jour modifie le graphe de calcul : lorsqu’un contexte extrait des embeddings groupés, le modèle ne construit plus la grande couche de logits de la tête LM. Cela réduit la consommation de mémoire et accélère l’inférence pour les tâches qui ne nécessitent que des embeddings. La modification ajuste aussi les nœuds associés du graphe afin de préserver la cohérence des dimensions.

## Les faits

- Le tag de version b11597 a été publié le mardi 13 octobre 2026
- Le graphe ignore désormais les logits de la tête LM lorsque le type de pooling n’est pas NONE

## Pourquoi c'est important

Les développeurs qui extraient des embeddings peuvent exécuter les modèles llama.cpp plus rapidement et sur du matériel moins puissant.

## Sources et références

1. [ggml-org/llama.cpp b11597](https://github.com/ggml-org/llama.cpp/releases/tag/b11597) – llama.cpp, 2026-10-13

Dernière mise à jour: 2026-10-13