# llama.cpp b11723 में लंबे कॉन्टेक्स्ट के लिए FLASH_ATTN_EXT

> ओपन-सोर्स llama.cpp लाइब्रेरी के संस्करण b11723 में Hexagon FLASH_ATTN_EXT के बदलाव किए गए हैं, जो CPU और Vulkan पर लंबे कॉन्टेक्स्ट के साथ अनुमान प्रक्रिया को तेज़ करते हैं।

Oossa · 2026-10-19 · https://oossa.com/hi/llama-cpp-b11723-adds-flash-attn-ext-for-longer-context

ggml‑org टीम ने 19 अक्टूबर 2026 को llama.cpp संस्करण b11723 जारी किया। इस अपडेट में लंबे कॉन्टेक्स्ट विंडो और SWA मॉडल के लिए FLASH_ATTN_EXT में सुधार किए गए हैं। साथ ही, मेमोरी से डेटा लाने की संख्या घटाने के लिए masked block skipping जोड़ा गया है। अब macOS (Apple Silicon और Intel), iOS और Ubuntu के कई संस्करणों के लिए बाइनरी बिल्ड उपलब्ध हैं, जिनमें Vulkan GPU सपोर्ट भी शामिल है। इन बदलावों का मकसद gemma‑4 जैसे मॉडल का प्रदर्शन बेहतर करना है।

## तथ्य

- संस्करण b11723 2026-10-19 को जारी हुआ
- इसमें लंबे कॉन्टेक्स्ट के लिए FLASH_ATTN_EXT में सुधार शामिल हैं

## यह क्यों मायने रखता है

डेवलपर डेस्कटॉप CPU और संगत GPU पर बड़े कॉन्टेक्स्ट वाले LLM अधिक कुशलता से चला सकते हैं।

## स्रोत और संदर्भ

1. [ggml-org/llama.cpp b11723](https://github.com/ggml-org/llama.cpp/releases/tag/b11723) – llama.cpp, 2026-10-19

अंतिम अपडेट: 2026-10-19