# llama.cpp b11866 убирает прежний этап масштабирования в Metal

> В релизе удалены редукционные ядра Metal и буфер, поскольку масштабирование токенов экспертов перенесли в граф вычислений. Данных о производительности не приводится.

Oossa · 2026-10-24 · https://oossa.com/ru/llama-cpp-b11866-removes-an-older-metal-scaling-step

Команда ggml-org выпустила llama.cpp b11866. В этой версии из ядра умножения матриц Metal, используемого моделями со смесью экспертов, убрали этап повторного масштабирования на степень двойки. По словам проекта, теперь масштабирование каждого токена эксперта в графе вычислений удерживает активации проекции вниз в пределах диапазона, поддерживаемого f16, ещё до выполнения операции.

Вместе с этим изменением удалены двухэтапные редукционные ядра, буфер для промежуточных данных и путь диспетчеризации f32, а также тесты для входных данных, выходивших за пределы диапазона f16. В релизе перечислены сборки для macOS на Apple Silicon и многих других платформ; измерения скорости или точности не приводятся.

## Факты

- Релиз: b11866, дата — 2026-10-24.
- В релизе удалены редукционные ядра Metal, буфер для промежуточных данных и путь диспетчеризации GGML_PREC_F32.

## Почему это важно

В llama.cpp для моделей со смесью экспертов, работающих на Metal, ядро теперь использует масштабирование, выполненное ранее в графе вычислений. В релизе не указано, влияет ли это на скорость или качество результатов.

## Источники и ссылки

1. [ggml-org/llama.cpp b11866](https://github.com/ggml-org/llama.cpp/releases/tag/b11866) – llama.cpp, 2026-10-24

Обновлено: 2026-10-24