Teamet ggml-org publicerade llama.cpp version b11723 den 19 okt. 2026. Uppdateringen innehåller förbättringar av FLASH_ATTN_EXT för längre kontextfönster och SWA-modeller, samt överhoppning av maskerade block för att minska antalet minneshämtningar. Binärversioner finns nu för macOS (Apple Silicon och Intel), iOS och flera Ubuntu-varianter, med stöd för Vulkan-GPU. Ändringarna ska förbättra prestandan för modeller som gemma-4.
Varför det spelar roll
Utvecklare kan köra LLM:er med längre kontext effektivare på stationära processorer och kompatibla grafikkort.
