O runtime de LLMs de código aberto lançou, em 9 de outubro de 2026, novos binários com suporte a flash attention de 128/96 bits para Apple Silicon.
NotaPor OossaPublicado pelo Oossa: 1 min de leitura
A equipe ggml-org atualizou o llama.cpp (versão b11518) em 9 de outubro de 2026. A atualização adiciona kernels de flash attention de 128 e 96 bits para Metal, acelerando a inferência em Macs com Apple Silicon. Há binários pré-compilados disponíveis para download para macOS (arm64), macOS com processadores Intel, iOS e várias configurações de Linux.
Quem usa Apple Silicon pode executar LLMs mais rapidamente sem comprar hardware adicional de GPU.
Modelos
O novo sistema de revisão da empresa, baseado em três agentes Claude, identificou 73.43% dos erros nas alegações centrais, muito acima do melhor resultado anterior, de 14.81%.
Modelos
Usuários gratuitos ficam apenas com o Flash-Lite; assinantes do AI Plus perdem o Pro e mantêm o Flash. Os preços no Brasil começam em R$ 24,99.
Modelos
O novo modelo da Mistral, com um trilhão de parâmetros, marcou 38 em um índice independente, mas custa mais por tarefa do que modelos abertos concorrentes.
Oossa · Newsletter
A semana em IA, explicada
Toda segunda-feira: as notícias que valem a pena, em linguagem simples. Grátis, sem spam.
