# NVIDIA lança versão candidata do TensorRT‑LLM 1.4.0

> A nova versão inclui suporte a vários modelos, cache KV esparso e um pool de armazenamento Mooncake, além de corrigir falhas no streaming multi-GPU e em cabeças quantizadas.

Oossa · 2026-10-14 · https://oossa.com/pt/nvidia-releases-tensorrt-llm-1-4-0-release-candidate

A NVIDIA anunciou o TensorRT‑LLM versão 1.4.0rc0 em 14 de outubro de 2026. A atualização adiciona suporte a novos modelos, como GLM‑5.3‑Flash e Qwen‑Image‑Layered, e introduz um cache esparso de chave-valor com bloqueio sensível a níveis. Também inclui um pool de armazenamento Mooncake e um recurso de preempção do escalonador V2. Entre as falhas corrigidas estão travamentos no streaming multi-GPU em GPUs H100 e falhas em modelos DeepSeek em GPUs Blackwell.

## Os fatos

- Data de lançamento: 2026‑10‑14 (qua., 14 de outubro de 2026) – de acordo com a página da tag no GitHub
- Novos recursos: cache KV esparso, pool de armazenamento Mooncake e preempção do escalonador V2

## Por que importa

Os desenvolvedores podem executar modelos de linguagem maiores em GPUs NVIDIA usando menos memória e com menos falhas.

## Fontes e referências

1. [NVIDIA/TensorRT-LLM v1.4.0rc0](https://github.com/NVIDIA/TensorRT-LLM/releases/tag/v1.4.0rc0) – TensorRT-LLM, 2026-10-14

Última atualização: 2026-10-14