Teamet bakom ggml-org släppte llama.cpp version b11688 den 2026-10-16. Uppdateringen innehåller en ändring som enbart gäller processorer: antalet AVX2-ackumulatorer i block minskas, vilket enligt projektet gör inferensen snabbare. Förkompilerade binärer finns för macOS, iOS, Linux, Vulkan och CUDA och stöder en rad olika typer av hårdvara. Ändringen är märkt som framtagen med hjälp av Codex, OpenAI:s modell för kodgenerering.
Varför det spelar roll
Utvecklare kan köra llama.cpp-modeller snabbare på AVX2-processorer utan att bygga om koden.
