ggml‑org släppte llama.cpp version b11782 den 21 okt 2026. Uppdateringen åtgärdar ett serverfel som gjorde att usage.completion_tokens räknades för lågt när n > 1, vilket gav för låga uppgifter om tokenanvändningen vid batchgenerering. Versionen innehåller också nya förbyggda binärfiler för Apple Silicon, Intel-Macar och iOS samt flera Ubuntu-versioner (CPU, Vulkan, CUDA).
Varför det spelar roll
Utvecklare får korrekta uppgifter om tokenanvändningen och kan därmed hålla koll på kostnader och prestanda när de kör flera genereringar.
