# llama.cpp modifica la suddivisione della flash attention su Hexagon

> La versione b11868 accorpa due opzioni di suddivisione della flash attention su Hexagon e introduce la suddivisione in team quando le teste KV non sfruttano tutti i core disponibili.

Oossa · 2026-10-24 · https://oossa.com/it/llama-cpp-changes-hexagon-flash-attention-splitting

La versione b11868 di ggml-org/llama.cpp modifica la gestione della flash attention HMX multicore su Hexagon. Sostituisce le impostazioni separate `FA_HEAD_SPLIT` e `FA_SPLIT` con un’unica opzione, `GGML_HEXAGON_FA_SPLIT`.

Con l’opzione impostata su 1, il lavoro può essere suddiviso tra le teste KV e, se le teste KV sono meno dei core, anche tra team, così da coinvolgere core che altrimenti resterebbero inattivi. La versione cita come esempio Gemma 4 con due teste KV su quattro core.

## I fatti

- Con `GGML_HEXAGON_FA_SPLIT` impostato su 0 si mantiene solo la suddivisione per token; 1 abilita la suddivisione per testa e, se necessario, quella in team.
- Le note di rilascio specificano che, quando le teste sono distribuite uniformemente, si usa la normale suddivisione per testa.

## Perché conta

Per chi esegue llama.cpp su hardware Hexagon, la modifica punta a coinvolgere i core quando un modello ha meno teste KV dei core disponibili; le note di rilascio non quantificano eventuali incrementi di velocità.

## Fonti e riferimenti

1. [ggml-org/llama.cpp b11868](https://github.com/ggml-org/llama.cpp/releases/tag/b11868) – llama.cpp, 2026-10-24

Ultimo aggiornamento: 2026-10-24