Projektet ggml-org/llama.cpp publicerade en ny förhandsversion med versionsbeteckningen b11721 den 18 oktober 2026. Den slår ihop Qwen4exp-kedjan scale-sigmoid-scale till en enda CUDA-kärna och lägger till en Vulkan-sammanslagning för HC_POST_GATE, vilket minskar antalet GPU-kärnor från fyra till en. Versionen listar också byggen för många processorer och grafikkort, däribland Apple Silicon, AMD, NVIDIA CUDA 12-13, ROCm, OpenVINO och Android-plattformar med Snapdragon.
Varför det spelar roll
Utvecklare kan köra LLM-modeller snabbare på fler typer av hårdvara tack vare den nya sammanslagningen av GPU-kärnor.
