# llama.cpp adiciona atenção flash esparsa via Vulkan para K/V quantizados

> O runtime de LLM de código aberto agora oferece um modo de atenção flash esparsa baseado em Vulkan para dados K/V quantizados.

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

A equipe ggml-org lançou a versão b11413 do llama.cpp em 5 de outubro de 2026. A atualização adiciona uma implementação via Vulkan de atenção flash esparsa compatível com tensores de chave/valor quantizados. A novidade é descrita como «atenção flash esparsa para K/V quantizados» e é voltada à inferência acelerada por GPU. A versão também inclui diversas compilações para diferentes plataformas, do Apple Silicon no macOS ao CUDA e Vulkan no Windows.

## Os fatos

- Versão b11413 lançada na segunda-feira, 5 de outubro de 2026
- Novo recurso: atenção flash esparsa via Vulkan para K/V quantizados

## Por que importa

Desenvolvedores podem executar modelos quantizados com mais rapidez em GPUs compatíveis com Vulkan, reduzindo o custo computacional em dispositivos de borda.

## Fontes e referências

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

Última atualização: 2026-10-05