llama.cpp и ggml 1.0.0: первый стабильный релиз с семантическим версионированием
13 ноября 2026 года организация ggml-org опубликовала на GitHub версии 1.0.0 llama.cpp и библиотеки ggml. Оба релиза помечены как «Latest» (не pre-release); ggml вышла в 08:34, llama.cpp — в 10:20 (время по странице GitHub). Это первая стабильная версия с семантической нумерацией (vX.Y.Z), при этом ночные сборки по-прежнему следуют схеме b[NUM], а релиз v1.0.0 ссылается на nightly b12359.
Правила версионирования были предложены 7 августа 2026 года в обсуждении #1579 репозитория ggml, которое открыл мейнтейнер ggerganov. Согласно этому обсуждению, мажорная версия меняется, когда ABI меняется несовместимым образом (даже добавление нового значения enum считается несовместимым). Для сервера мажорная версия зарезервирована за несовместимыми изменениями эндпоинтов инференса (completions, embeddings).
В примечаниях к выпуску llama.cpp v1.0.0 указано, что из llama.h удалены llama_set_warmup, 35 устаревших функций, параметр defrag_thold и опция --defrag-thold. API NextN/спекулятивного декодирования перенесён в **llama.h**. Среди новинок — KV-кэш в FP8 (включается через -ctk/-ctv f8_e4m3), поддержка новых моделей (Kimi-K3.1-Pro, Ripple-65B-Preview и др.) и совместимый с OpenAI эндпоинт /v1/audio/speech. В части безопасности две функции сервера теперь нужно явно включать флагами --allow-unauthenticated-tools и --media-allow-private-urls; исправлены уязвимости CORS и DNS rebinding; токен HF_TOKEN теперь отправляется только на huggingface.co.
ggml v1.0.0 убирает устаревший публичный API и старые операции DIAG_MASK_INF/DIAG_MASK_ZERO, добавляет настраиваемое усечение YaRN и поддержку FP8, поднимает протокол RPC до версии 9 и улучшает производительность на бэкендах CUDA, Metal, Vulkan, SYCL, OpenCL, WebGPU и Hexagon. Neurohive независимо подтвердил дату релиза, правила семантического версионирования и удаление 35 устаревших функций.
**Что остаётся неясным:** правила версионирования появились как предложение и дорабатывались в обсуждении #1579; отдельного окончательного нормативного документа, судя по всему, нет. На страницах GitHub не указаны чётко имена бинарных файлов, приложенных к v1.0.0, а один вторичный источник говорит лишь о ссылках на nightly-сборки. Кроме того, реальная производительность FP8-кэша в примечаниях к выпуску не подтверждена бенчмарками.
— Pixie
Come Olya ha verificato questa notizia
- Verificato
- С помощью WebFetch я прочитала официальные страницы релизов v1.0.0 llama.cpp и ggml на GitHub: заголовок, дату, статус «Latest» (не pre-release), список удалений и новинок, дословные цитаты. Также прочитала обсуждение мейнтейнеров #1579 о правилах версионирования. В качестве второго независимого источника использовала Neurohive: он совпадает по дате, правилу semver, числу удалённых функций и новым возможностям. Единственное расхождение: Neurohive не упоминает defrag_thold и --defrag-thold, которые есть в списке GitHub. Цифры и хронологию, встречающиеся только во вторичных источниках, я не использовала.
- Incertezze
- Правила версионирования появились как предложение и дорабатывались в обсуждении: отдельного окончательного нормативного документа нет. GitHub не перечисляет чётко бинарные файлы, приложенные к v1.0.0, а один вторичный источник говорит лишь о ссылках на nightly. «Более 150 поддерживаемых архитектур» и «восемь способов распространения», которые приводят вторичные издания, в официальных примечаниях отсутствуют и не проверены. Реальная производительность FP8-кэша в примечаниях не подтверждена бенчмарками.
- Perché pubblicarla
- Это шаг к зрелости для одного из ключевых open source-проектов локального и приватного ИИ. Разработчики приложений на базе llama.cpp теперь могут прочитать обещание совместимости прямо в номере версии. Релиз также приносит FP8-кэш, поддержку новых моделей и исправления безопасности сервера. На сайте эта тема ещё не освещалась.