# llama.cpp introduce la sparse flash attention Vulkan per K/V quantizzati

> Il runtime LLM open source ora supporta una modalità di sparse flash attention basata su Vulkan per dati K/V quantizzati.

Oossa · 2026-10-05 · https://oossa.com/it/llama-cpp-adds-vulkan-sparse-flash-attention-for-quantized-keys-and-values

Il team ggml-org ha rilasciato la versione b11413 di llama.cpp il 5 ottobre 2026. L’aggiornamento aggiunge un’implementazione Vulkan della sparse flash attention compatibile con tensori key/value quantizzati. La novità è descritta come «sparse flash attention for quantized K/V» ed è pensata per l’inferenza accelerata tramite GPU. La release include inoltre numerose build per diverse piattaforme, da macOS con Apple Silicon a Windows con CUDA e Vulkan.

## I fatti

- Versione b11413 pubblicata lunedì 5 ottobre 2026
- Nuova funzionalità: sparse flash attention Vulkan per K/V quantizzati

## Perché conta

Gli sviluppatori possono ora eseguire più velocemente modelli quantizzati sulle GPU compatibili con Vulkan, riducendo i costi di calcolo per i dispositivi edge.

## Fonti e riferimenti

1. [ggml-org/llama.cpp b11413](https://github.com/ggml-org/llama.cpp/releases/tag/b11413) – llama.cpp, 2026-10-05

Ultimo aggiornamento: 2026-10-05