2026年8月26日 · llama.cpp
b10635
llama.cpp 发布 b10635 版本，为 MoE 在 sm_60 上解除 mmq 阻塞，并为 dp4a 和旧版 cuda 复制 mmq-config-pascal，同时降低非 dp4a pascal 上 Q2_K、Q4_K、Q5_K、Q6_K 的占用。该版本提供多种平台构建，包括 macOS、Linux、Windows、Android 等。
EVENT STORY
发展脉络
- 首次出现b10635llama.cpp
- 当前判断llama.cpp 持续维护多平台构建，包括 CPU、Vulkan、ROCm、OpenVINO、SYCL 等，显示开源推理生态对多样硬件和操作系统的广泛支持。Agent Pulse · 分析
llama.cpp 发布 b10635 版本，主要针对旧 GPU 架构（Pascal）优化 MoE 模型的矩阵乘法量化（mmq），并降低特定量化级别的占用。
该版本针对 sm_60（Pascal 架构）解除 MoE 的 mmq 阻塞，并针对 dp4a 和旧版 cuda 复制配置，表明开发者正在扩展对旧硬件的支持。降低非 dp4a Pascal 上 Q2_K、Q4_K、Q5_K、Q6_K 的占用，可能提升旧 GPU 上的推理性能。
llama.cpp 持续维护多平台构建，包括 CPU、Vulkan、ROCm、OpenVINO、SYCL 等，显示开源推理生态对多样硬件和操作系统的广泛支持。
该更新可能提升旧 GPU 用户的推理体验，扩大 llama.cpp 的用户基础，但商业价值有限。
未来可能继续优化旧 GPU 架构上的 MoE 推理，并可能扩展对更多量化级别的支持。可关注后续版本是否进一步改善 Pascal 架构的性能。