返回全部动态
llama.cpp b11215：调优 CUDA fp16 FlashAttention 配置
原标题：b11215
AI 摘要
llama.cpp 发布 b11215 版本，主要变更为针对 head size 40-112 的 CUDA fp16 tile FlashAttention 配置进行调优（PR #26289）。该版本同时提供覆盖 macOS/iOS、Linux、Android、Windows 及 openEuler 的多平台预编译二进制包，支持 CUDA、Vulkan、ROCm、SYCL、OpenVINO 等多种后端。
以上摘要由 AI 生成，可能存在误差。事实请以原文为准。
正文节选
<details open> CUDA: tune fp16 tile FlashAttention configs for head sizes 40-112 (#26289) </details> **Website:** - <https://llama.app> **Attestations:** - <https://github.com/ggml-org/llama.cpp/attestations/50554486> **macOS/iOS:** - [macOS Apple Silicon (arm64)](https://github.com/ggml-org/llama.cpp/releases/download/b11215/llama-b11215-bin-macos-arm64.tar.gz) - macOS Apple Silicon (arm64, KleidiAI enabled) [DISABLED](https://github.com/ggml-org/llama.cpp/pull/23780) - [macOS Intel (x64)]
发布时间：2026-09-27 21:33
抓取时间：2026-09-27 21:45
来源机构：ggml-org