# llama.cpp b12122 adiciona operação CUDA fundida para NVFP4

> A versão combina duas etapas de computação de modelos em um único caminho CUDA para NVFP4, um formato numérico de baixa precisão. Há compilações disponíveis para várias plataformas.

Oossa · 2026-11-05 · https://oossa.com/pt/llama-cpp-b12122-adds-a-fused-cuda-operation-for-nvfp4

O projeto llama.cpp lançou a versão b12122, que adiciona uma otimização CUDA que funde multiplicações de matrizes gate/up de NVFP4 com uma operação GLU no MMQ, seu caminho de multiplicação de matrizes. NVFP4 é um formato numérico compacto usado em algumas computações de IA; combinar etapas pode reduzir o trabalho feito separadamente, embora as notas da versão não apresentem medições de desempenho.

A versão também inclui compilações para download para macOS, iOS e Ubuntu em x64, Arm64 e s390x.

## Os fatos

- Versão: llama.cpp b12122; a alteração CUDA mencionada corresponde à pull request #31296.
- Os downloads incluem compilações de CPU para Ubuntu x64, Arm64 e s390x, além de pacotes para macOS e iOS.

## Por que importa

Quem executa cargas de trabalho compatíveis com NVFP4 em CUDA pode usar o caminho de computação fundida, mas as notas da versão não quantificam ganhos de velocidade ou de memória.

## Fontes e referências

1. [ggml-org/llama.cpp b12122](https://github.com/ggml-org/llama.cpp/releases/tag/b12122) – llama.cpp, 2026-11-05

Última atualização: 2026-11-05