# llama.cpp adota escala por token para especialistas em modelos MoE

> A biblioteca de código aberto llama.cpp agora aplica escala às projeções descendentes de MoE por token, aprimorando o suporte ao paralelismo de tensores.

Oossa · 2026-10-21 · https://oossa.com/pt/llama-cpp-adds-per-expert-token-scaling-for-moe-models

O projeto ggml‑org/llama.cpp lançou uma nova versão em 2026-10-21. A atualização substitui um único fator de escala global para as projeções descendentes de mistura de especialistas (MoE) por um fator aplicado a cada token de cada especialista, usando uma redução máxima POOL_1D. A mudança também acrescenta suporte ao paralelismo de tensores, tratando POOL_1D na lógica de divisão de estado. A atualização inclui limpeza de código e uma estrutura refatorada para o retorno da escala.

## Os fatos

- Data de lançamento: 2026-10-21 ("Wed Oct 21 2026 08:33:35 GMT+0200")
- Mudança: escala por token de cada especialista para projeções descendentes de MoE

## Por que importa

Desenvolvedores que executam modelos MoE agora podem obter uma escala mais precisa para cada token, o que pode melhorar o desempenho em configurações com várias GPUs.

## Fontes e referências

1. [ggml-org/llama.cpp b11785](https://github.com/ggml-org/llama.cpp/releases/tag/b11785) – llama.cpp, 2026-10-21

Última atualização: 2026-10-21