llama.cpp 项目发布了多个预发布版本,包括 b12207,通过优化状态大小为 64 的 SSM_SCAN 内核,显著提升了 Zamba2 类架构的性能。此优化使 Zamba2-7B-Instruct 在 GPU 上的吞吐量提高了约 35%,尽管一些扫描调用仍回退到 CPU,原因尚待确定。其他近期版本,如 b12206 和 b12201,解决了 MoE 缓存和推测解码的问题,确保了在 macOS、iOS、Linux、Android 和 Windows 等各种平台上的效率和稳定性。 AI
影响 提高消费级硬件上各种 LLM 架构的推理速度和稳定性。
排序理由 开源推理库的多个预发布更新,包括性能优化和错误修复。
- b12201
- b12202
- DeepSeek V4
- DeepSeek V4.1
- GGML_PREC_BF16
- GGML_PREC_F32
- GLM4
- llama.cpp
- MiniMax-M3
- Qwen3-TTS
- android
- Claude Sonnet
- ggml-cuda
- iOS
- KleidiAI
- Linux
- macOS
- Microsoft Windows
- moe-cache
- OpenEuler
- Sargentmajord
- SSM_SCAN
- Zamba2
- Zamba2-7B-Instruct
AI 生成摘要 · Google Gemini · 来自 4 个来源。 我们如何撰写摘要 →