2026 年 10 月 5 日，llama.cpp 發布 v0.6.0，新增擴充套件 batch API、多款新模型支援與多項後端效能最佳化。據 release notes，本版引入 llama_batch_ext 擴充套件 batch API，支援混合 token/embedding 輸入與 MTP、deepstack 狀態嵌入；新增 320B 的 GLM-5.3-Flash（GLM5-Next）文字+視覺混合模型和 Clef 決策模型（文字與視覺）；為 Qwen4Exp 加入 MTP 投機解碼，稱在 DGX Spark 上解碼約快 1.5 倍。伺服器新增 /v1/systemone API，支援 laya、julia-1、lev、openjev（含視覺）、kev 五個決策模型；Web UI 重構，接入 Hugging Face Hub 資料層與模型下載流程。Metal 後端新增 F16 KV 的 tensor API flash attention kernel，以及面向投機與批次解碼的 few-row MMA mat-mul kernel，稱在 Apple GPU 上 mat-mul 最高約快 3 倍；Vulkan 增加量化 K/V 的稀疏 flash attention；ggml 升級到 v0.26.0。
AI 根據 2 則報導生成 · 10/5 23:20 更新
沿著報導，了解事件的不同側面；點標題看單篇報導的摘要與原文連結。
llama.cpp 發布 v0.6.0，新增 llama_batch_ext 擴充套件 batch API，支援混合 token/embedding 輸入與 MTP、deepstack 狀態嵌入。本次加入 320B 的 GLM-5.3-Flash（GLM5-Next）文字+視覺混合模型、Clef 決策模型，以及 Qwen4Exp 的 MTP 投機解碼，官方稱在 DGX Spark 上解碼約快 1.5 倍。
過去 48 小時，有 2 個獨立來源報導，最近 6 小時新增 0 個。熱度 1.6，熱門榜第 6 名。
熱度以 48 小時內的獨立來源計，同一來源只算一次，每 24 小時權重減半。
同一事件的報導集中在這裡，新的進展會繼續補充。