# llama.cpp b12549 corrige o tratamento de atenção do Inkling2

> A atualização dá ao Inkling2 uma entrada própria de atenção com posição relativa e corrige a reutilização de máscaras em modelos de memória híbrida, como LFM2 e LFM3.

Oossa · 2026-11-19 · https://oossa.com/pt/llama-cpp-b12549-fixes-attention-handling-for-inkling2

A equipe ggml-org lançou o llama.cpp b12549, com correções no tratamento das máscaras de atenção do Inkling2, um modelo compatível com o projeto. A atualização dá ao Inkling2 uma entrada própria que cria a máscara de atenção densa e o viés de posição relativa a partir das mesmas células. Também corrige a criação de máscaras para memória híbrida, que impedia a reutilização do grafo com um cache unificado e atenção flash — um problema que afetava LFM2, LFM3 e Inkling2. A versão também permite que a escala dos pesos dos especialistas e o softcap dos logits finais do Inkling2 sejam zero.

## Os fatos

- Versão: llama.cpp b12549, publicada em 19 de novembro de 2026.
- A correção de reutilização de máscaras abrange os modelos de memória híbrida LFM2, LFM3 e Inkling2.

## Por que importa

Para quem executa esses modelos de memória híbrida no llama.cpp, as correções resolvem uma condição que impedia a reutilização do grafo com um cache unificado e atenção flash; as notas da versão não quantificam nenhum ganho de velocidade.

## Fontes e referências

1. [ggml-org/llama.cpp b12549](https://github.com/ggml-org/llama.cpp/releases/tag/b12549) – llama.cpp, 2026-11-19

Última atualização: 2026-11-19
