O projeto ggml-org/llama.cpp publicou uma nova versão de pré-lançamento, identificada como b11721, em 18 de outubro de 2026. A versão combina a sequência scale-sigmoid-scale do Qwen4exp em um único kernel CUDA e adiciona uma fusão Vulkan HC_POST_GATE, reduzindo de quatro para um o número de kernels de GPU. A lista de compilações também inclui suporte a diversas CPUs e GPUs, entre elas Apple Silicon, AMD, NVIDIA CUDA 12-13, ROCm, OpenVINO e plataformas Android Snapdragon.
Por que importa
Com a nova fusão de kernels, desenvolvedores podem executar LLMs mais rapidamente em uma variedade maior de hardware.
