ggml‑org släppte llama.cpp version b12532 den 2026‑11‑19. Uppdateringen låter OpenCL-användare justera padding för nyckel- och värdecache (KV) i den uppdelade flash-attention-algoritmen. Den innehåller också förkompilerade binärer för Apple Silicon, Intel-Macar, iOS och flera Linux-arkitekturer, däribland Ubuntu x64, arm64, s390x och Vulkan-byggen.
Varför det spelar roll
Utvecklare kan nu finjustera minneslayouten för OpenCL-GPU:er, vilket potentiellt kan förbättra prestandan på hårdvara som stöds.