# NVIDIA pubblica la release candidate di TensorRT‑LLM 1.4.0

> La nuova versione aggiunge il supporto per diversi modelli, una cache KV sparsa e un pool di archiviazione Mooncake, oltre a correggere problemi con lo streaming multi-GPU e le teste quantizzate.

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

NVIDIA ha annunciato TensorRT‑LLM versione 1.4.0rc0 il 14 ottobre 2026. L’aggiornamento introduce il supporto per nuovi modelli, tra cui GLM‑5.3‑Flash e Qwen‑Image‑Layered, e una cache sparsa delle chiavi e dei valori con blocchi sensibili ai livelli. Aggiunge inoltre un pool di archiviazione Mooncake e una funzione di preemption dello scheduler V2. Sono stati corretti diversi bug, tra cui i blocchi durante lo streaming multi-GPU sulle GPU H100 e gli arresti anomali con i modelli DeepSeek sulle GPU Blackwell.

## I fatti

- Data di rilascio: 2026‑10‑14 (mercoledì 14 ottobre 2026) – secondo la pagina dei tag GitHub
- Nuove funzionalità: cache KV sparsa, pool di archiviazione Mooncake, preemption dello scheduler V2

## Perché conta

Gli sviluppatori possono eseguire modelli linguistici più grandi sulle GPU NVIDIA usando meno memoria e con meno arresti anomali.

## Fonti e riferimenti

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

Ultimo aggiornamento: 2026-10-14