A ggml-org lançou o llama.cpp versão b12532 em 2026-11-19. A atualização permite que usuários de OpenCL ajustem o padding de key-value (KV) no algoritmo de flash attention decomposta. Também inclui binários pré-compilados para Apple Silicon, Macs Intel, iOS e várias arquiteturas Linux, incluindo Ubuntu x64, arm64, s390x e versões com Vulkan.
Por que importa
Agora, desenvolvedores podem ajustar o layout da memória para GPUs OpenCL, o que pode melhorar o desempenho em hardware compatível.