# llama.cpp b11713 acelera suporte a baixa precisão na CUDA

> A biblioteca de código aberto llama.cpp lançou a versão b11713 em 17 de outubro de 2026, com operações de matriz-vetor de baixa precisão mais rápidas em GPUs CUDA e novas versões binárias.

Oossa · 2026-10-17 · https://oossa.com/pt/llama-cpp-release-b11713-adds-faster-low-bit-cuda-support

A equipe ggml-org publicou a versão b11713 do llama.cpp em 17 de outubro de 2026. A atualização melhora o desempenho na CUDA para tipos de baixa precisão com o uso de um algoritmo MMVQ mais rápido. Também inclui uma pequena correção para GPUs HIP (AMD) nas quantizações Q3_K e Q6_K. Já estão disponíveis para download versões binárias pré-compiladas para macOS, iOS e várias configurações do Ubuntu (CPU, Vulkan e CUDA).

## Os fatos

- Data de lançamento: 17 de outubro de 2026 ("Sat Oct 17 2026 18:00:52 GMT+0200")
- Adiciona MMVQ mais rápido na CUDA para tipos de baixa precisão (#30517)

## Por que importa

Desenvolvedores podem executar LLMs quantizados mais rapidamente em GPUs NVIDIA, reduzindo os custos de inferência em aplicações locais de IA.

## Fontes e referências

1. [ggml-org/llama.cpp b11713](https://github.com/ggml-org/llama.cpp/releases/tag/b11713) – llama.cpp, 2026-10-17

Última atualização: 2026-10-17