# NVIDIA publie la préversion de TensorRT‑LLM 1.4.0

> Cette nouvelle version prend en charge plusieurs modèles, ajoute un cache KV clairsemé et un pool de stockage Mooncake, et corrige des bugs liés au streaming multi-GPU et aux têtes quantifiées.

Oossa · 2026-10-14 · https://oossa.com/fr/nvidia-releases-tensorrt-llm-1-4-0-release-candidate

NVIDIA a annoncé TensorRT‑LLM version 1.4.0rc0 le 14 octobre 2026. Cette mise à jour prend notamment en charge GLM‑5.3‑Flash et Qwen‑Image‑Layered, et introduit un cache clé-valeur clairsemé avec verrouillage tenant compte des niveaux. Elle ajoute également un pool de stockage Mooncake et une fonctionnalité de préemption du planificateur V2. Plusieurs bugs ont été corrigés, notamment des blocages du streaming multi-GPU sur les GPU H100 et des plantages avec les modèles DeepSeek sur les GPU Blackwell.

## Les faits

- Date de sortie : 2026‑10‑14 (mercredi 14 octobre 2026) – d’après la page des tags GitHub
- Nouvelles fonctionnalités : cache KV clairsemé, pool de stockage Mooncake, préemption du planificateur V2

## Pourquoi c'est important

Les développeurs peuvent exécuter des modèles de langage plus volumineux sur les GPU NVIDIA en utilisant moins de mémoire et en rencontrant moins de plantages.

## Sources et références

1. [NVIDIA/TensorRT-LLM v1.4.0rc0](https://github.com/NVIDIA/TensorRT-LLM/releases/tag/v1.4.0rc0) – TensorRT-LLM, 2026-10-14

Dernière mise à jour: 2026-10-14