# llama.cpp voegt sparse flash attention via Vulkan toe

> De open-source LLM-runtime ondersteunt nu sparse flash attention via Vulkan voor gequantiseerde K/V-data.

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

Het ggml-org-team bracht op 5 oktober 2026 llama.cpp versie b11413 uit. De update voegt een Vulkan-implementatie van sparse flash attention toe die werkt met gequantiseerde key/value-tensors. De wijziging wordt omschreven als ‘sparse flash attention for quantized K/V’ en is bedoeld voor GPU-versnelde inferentie. De release bevat ook builds voor tal van platforms, van Apple Silicon op macOS tot CUDA en Vulkan op Windows.

## De feiten

- Releaseversie b11413 gepubliceerd op maandag 5 oktober 2026
- Nieuwe functie: sparse flash attention via Vulkan voor gequantiseerde K/V

## Waarom het ertoe doet

Ontwikkelaars kunnen gequantiseerde modellen nu sneller uitvoeren op GPU’s met Vulkan-ondersteuning, waardoor de rekenkosten voor edge-apparaten dalen.

## Bronnen en referenties

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

Laatst bijgewerkt: 2026-10-05