# llama.cpp b11713 发布：CUDA 低比特运算提速

> 开源库 llama.cpp 于 2026 年 10 月 17 日发布 b11713，提升 CUDA GPU 上低比特矩阵向量运算速度，并新增二进制构建版本。

Oossa · 2026-10-17 · https://oossa.com/zh/llama-cpp-release-b11713-adds-faster-low-bit-cuda-support

ggml-org 团队于 2026 年 10 月 17 日发布 llama.cpp b11713。此次更新采用更快的 MMVQ 算法，提升低比特类型在 CUDA 上的性能；同时修复了 AMD HIP GPU 在 Q3_K 和 Q6_K 量化下的一个小问题。现已提供适用于 macOS、iOS 和多个 Ubuntu 目标平台（CPU、Vulkan、CUDA）的预构建二进制文件，可供下载。

## 事实

- 发布日期：2026 年 10 月 17 日（“Sat Oct 17 2026 18:00:52 GMT+0200”）
- 新增针对低比特类型的加速 CUDA MMVQ（#30517）

## 为什么重要

开发者可以在 NVIDIA GPU 上更快地运行量化 LLM，从而降低本地 AI 应用的推理成本。

## 来源与参考

1. [ggml-org/llama.cpp b11713](https://github.com/ggml-org/llama.cpp/releases/tag/b11713) – llama.cpp, 2026-10-17

最后更新: 2026-10-17