# llama.cpp b11723 ger FLASH_ATTN_EXT längre kontext

> Den öppna källkodsbiblioteket llama.cpp har släppt version b11723 med hexagon-justeringar av FLASH_ATTN_EXT som snabbar upp inferens med lång kontext på CPU och Vulkan.

Oossa · 2026-10-19 · https://oossa.com/sv/llama-cpp-b11723-adds-flash-attn-ext-for-longer-context

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.

## Fakta

- Version b11723 släpptes 2026-10-19
- Innehåller förbättringar av FLASH_ATTN_EXT för längre kontext

## Varför det spelar roll

Utvecklare kan köra LLM:er med längre kontext effektivare på stationära processorer och kompatibla grafikkort.

## Källor och referenser

1. [ggml-org/llama.cpp b11723](https://github.com/ggml-org/llama.cpp/releases/tag/b11723) – llama.cpp, 2026-10-19

Senast uppdaterad: 2026-10-19