ggml‑org выпустила llama.cpp версии b12532 2026‑11‑19. Обновление позволяет пользователям OpenCL настраивать дополнение ключей и значений (KV-padding) в алгоритме декомпозированного flash-attention. Также доступны предварительно собранные бинарные файлы для Apple Silicon, Mac с процессорами Intel, iOS и ряда архитектур Linux, включая Ubuntu x64, arm64, s390x и сборки с Vulkan.
Почему это важно
Разработчики теперь могут точнее настраивать размещение данных в памяти для графических процессоров OpenCL, что потенциально повысит производительность на поддерживаемом оборудовании.