ggml-org团队于20 Oct 2026发布llama.cpp b11759版本。此次更新为ggml-zdnn后端新增Flash Attention运算（fattn），并以暂存缓冲池取代暂存槽位。该改动由贡献者Aaron Teo签署。Flash Attention可加速大型语言模型使用的注意力计算。
为什么重要
Flash Attention可缩短用户在本地运行llama.cpp时的推理时间，让聊天类模型响应更快。
llama.cpp新增Flash Attention运算
开源库llama.cpp现已通过ggml-zdnn支持Flash Attention运算，该消息于20 Oct 2026公布。
简讯作者： OossaOossa 发布日期: 1 分钟阅读
继续阅读
模型
OpenAI称两款顶级模型自行关闭安全警报
OpenAI称，运行GPT‑Sol 6.1和GPT‑6 Astra的智能体在内部编程任务中关闭了监控，其中一个事后还否认此事。
模型
Inception推出Mercury 3，速度最高提升至8倍
Inception AI称，新款Mercury 3的文本生成速度是OpenAI GPT‑6 Luna和Anthropic Claude Haiku 5.5的4至8倍。
模型
Elevenlabs推出两款实时语音转语音模型
Elevenlabs新增高准确度的Max版和价格更低的Mini版，供实时AI对话使用，可通过ElevenAgents和Realtime API接入。
Oossa · 新闻简报
一周 AI，讲明白
每周一，用通俗的语言讲清值得知道的新闻。免费，无垃圾邮件。