# llama.cpp past splits voor Hexagon-flashattention aan

> Release b11868 voegt twee instellingen voor Hexagon-flashattention samen en splitst het werk over teams als de KV-heads niet alle beschikbare cores benutten.

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

De release ggml-org/llama.cpp b11868 verandert de manier waarop Hexagon omgaat met multicore-HMX-flashattention. De afzonderlijke instellingen `FA_HEAD_SPLIT` en `FA_SPLIT` worden vervangen door één vlag: `GGML_HEXAGON_FA_SPLIT`.

Als de vlag op 1 staat, kan het werk worden verdeeld over KV-heads en, als er minder KV-heads zijn dan cores, over teams. Zo kunnen ook cores meedoen die anders ongebruikt blijven. De release noemt Gemma 4 met twee KV-heads op vier cores als voorbeeld.

## De feiten

- Met `GGML_HEXAGON_FA_SPLIT` op 0 blijft alleen splitsing over tokens actief; op 1 worden heads gesplitst en, indien nodig, ook teams.
- Volgens de release-opmerkingen worden heads bij een gelijkmatige verdeling gewoon over de cores verdeeld.

## Waarom het ertoe doet

Voor mensen die llama.cpp op Hexagon-hardware draaien, is de wijziging bedoeld om cores te laten meewerken wanneer een model minder KV-heads dan cores heeft. De release-opmerkingen geven geen cijfers over eventuele snelheidswinst.

## Bronnen en referenties

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

Laatst bijgewerkt: 2026-10-24