Проект ggml-org/llama.cpp опубликовал предварительную версию b11721 18 октября 2026 года. В ней цепочка scale-sigmoid-scale для Qwen4exp объединена в одно ядро CUDA, а для Vulkan добавлено объединение HC_POST_GATE: число GPU-ядер сокращено с четырёх до одного. В выпуске также представлены сборки для множества процессоров и видеокарт, в том числе Apple Silicon, AMD, NVIDIA CUDA 12-13, ROCm, OpenVINO и платформ Android Snapdragon.
Почему это важно
Благодаря объединению ядер разработчики смогут запускать LLM быстрее на более широком спектре оборудования.
