# llama.cpp b12549 исправляет обработку attention для Inkling2

> Обновление добавляет для Inkling2 отдельный входной сигнал для attention с относительными позициями и исправляет повторное использование масок в моделях с гибридной памятью, включая LFM2 и LFM3.

Oossa · 2026-11-19 · https://oossa.com/ru/llama-cpp-b12549-fixes-attention-handling-for-inkling2

Команда ggml-org выпустила llama.cpp b12549 с исправлениями обработки attention-масок для Inkling2 — модели, поддерживаемой проектом. Обновление добавляет для Inkling2 отдельный входной сигнал, который строит плотную attention-маску и смещение относительных позиций на основе одних и тех же ячеек. Кроме того, исправлено построение масок для моделей с гибридной памятью: ошибка мешала повторно использовать граф вычислений с унифицированным кэшем и flash attention и затрагивала LFM2, LFM3 и Inkling2. В релизе также разрешено задавать нулевые значения для масштаба экспертных весов Inkling2 и softcap финальных логитов.

## Факты

- Релиз: llama.cpp b12549, опубликован 19 ноября 2026 года.
- Исправление повторного использования масок затрагивает модели с гибридной памятью LFM2, LFM3 и Inkling2.

## Почему это важно

Для тех, кто запускает эти модели с гибридной памятью в llama.cpp, исправления устраняют проблему, мешавшую повторно использовать граф вычислений с унифицированным кэшем и flash attention; в описании релиза не указано, насколько это ускорит работу.

## Источники и ссылки

1. [ggml-org/llama.cpp b12549](https://github.com/ggml-org/llama.cpp/releases/tag/b12549) – llama.cpp, 2026-11-19

Обновлено: 2026-11-19
