# llama.cpp introduce il ridimensionamento per token negli esperti MoE

> La libreria open source llama.cpp applica ora un ridimensionamento per token alle proiezioni down dei modelli MoE, migliorando il supporto al parallelismo tensoriale.

Oossa · 2026-10-21 · https://oossa.com/it/llama-cpp-adds-per-expert-token-scaling-for-moe-models

Il progetto ggml‑org/llama.cpp ha pubblicato una nuova versione il 2026-10-21. La versione sostituisce un unico fattore di ridimensionamento globale per le proiezioni down dei modelli mixture-of-experts (MoE) con un fattore applicato a ciascun token di ciascun esperto, usando una riduzione massima POOL_1D. La modifica aggiunge inoltre il supporto al parallelismo tensoriale, gestendo POOL_1D nella logica di suddivisione dello stato. L’aggiornamento include anche pulizie del codice e una struttura di ritorno del ridimensionamento riorganizzata.

## I fatti

- Data di rilascio: 2026-10-21 ("Wed Oct 21 2026 08:33:35 GMT+0200")
- Modifica: ridimensionamento per token e per esperto delle proiezioni down dei modelli MoE

## Perché conta

Gli sviluppatori che usano modelli MoE possono ora ottenere un ridimensionamento più accurato per ogni token, con possibili miglioramenti delle prestazioni nelle configurazioni multi-GPU.

## Fonti e riferimenti

1. [ggml-org/llama.cpp b11785](https://github.com/ggml-org/llama.cpp/releases/tag/b11785) – llama.cpp, 2026-10-21

Ultimo aggiornamento: 2026-10-21