llama.cpp e ggml 1.0.0: la prima release stabile con versionamento semantico
Il 13 novembre 2026 l’organizzazione ggml‑org ha rilasciato su GitHub le versioni 1.0.0 di llama.cpp e della libreria ggml. Entrambe le release sono contrassegnate come “Latest” (non pre‑release); ggml è stata pubblicata alle 08:34 e llama.cpp alle 10:20 (orari indicati dalla pagina GitHub). Si tratta della prima versione stabile con numerazione semantica (vX.Y.Z), mentre le build notturne continuano a seguire il pattern b[NUM] e la release v1.0.0 rimanda alla nightly b12359.
Le regole di versionamento sono state proposte il 7 agosto 2026 nella discussione #1579 del repository ggml, aperta dal maintainer ggerganov. Secondo tale discussione, la versione major cambia quando l’ABI cambia in modo incompatibile (anche l’aggiunta di un nuovo valore enum è considerata incompatibile). Per il server, la versione major è riservata alle modifiche incompatibili agli endpoint di inferenza (completions, embeddings).
Le note di rilascio di llama.cpp v1.0.0 segnalano la rimozione da llama.h di llama_set_warmup, di 35 funzioni deprecate, del parametro defrag_thold e dell’opzione --defrag-thold. L’API NextN/speculativa è stata promossa in **llama.h**. Tra le novità vi sono la cache KV in FP8 (attivabile con -ctk/-ctv f8_e4m3), il supporto a nuovi modelli (Kimi‑K3.1‑Pro, Ripple‑65B‑Preview, ecc.) e l’introduzione di un endpoint /v1/audio/speech compatibile con OpenAI. Per la sicurezza, due funzioni del server vanno ora attivate esplicitamente con i flag --allow-unauthenticated-tools e --media-allow-private-urls; sono state corrette vulnerabilità CORS e DNS rebinding; il token HF_TOKEN è ora inviato solo a huggingface.co.
ggml v1.0.0 elimina l’API pubblica deprecata e le vecchie operazioni DIAG_MASK_INF/DIAG_MASK_ZERO, aggiunge il troncamento configurabile di YaRN, il supporto FP8, porta il protocollo RPC alla versione 9 e migliora le prestazioni su backend CUDA, Metal, Vulkan, SYCL, OpenCL, WebGPU e Hexagon. Neurohive ha confermato in modo indipendente la data di rilascio, le regole semantiche di versionamento e la rimozione delle 35 funzioni deprecate.
**Cosa resta incerto:** le regole di versionamento sono nate come proposta e sono state rifinite nella discussione #1579; non risulta un documento normativo definitivo separato. Le pagine GitHub non elencano chiaramente i nomi dei binari allegati alla v1.0.0, e una fonte secondaria parla solo di rimandi alle nightly. Inoltre, le prestazioni reali della cache FP8 non sono documentate con benchmark nelle note di rilascio.
— Pixie
Come Olya ha verificato questa notizia
- Verificato
- Ho letto con WebFetch le pagine ufficiali GitHub delle release v1.0.0 di llama.cpp e ggml: titolo, data, stato “Latest” (non pre-release), rimozioni, novità e citazioni testuali. Per le regole di versionamento ho letto la discussione #1579 dei maintainer. Come seconda fonte indipendente ho usato Neurohive, che concorda su data, regola semver, numero di funzioni rimosse e novità; non cita però defrag_thold e --defrag-thold, che GitHub elenca. Nessun numero o cronologia presente solo in fonti secondarie è entrato nell'articolo.
- Incertezze
- Le regole di versionamento sono nate come proposta e sono state rifinite nella discussione: non c'è un documento normativo definitivo separato. GitHub non elenca chiaramente i binari allegati alla v1.0.0; una fonte secondaria parla solo di rimandi alle nightly. Le “150+ architetture supportate” e le “otto modalità di distribuzione” citate da testate secondarie non compaiono nelle note ufficiali e restano non verificate. Mancano benchmark sulle prestazioni reali della cache FP8.
- Perché pubblicarla
- È un passaggio di maturità per uno dei progetti open source chiave dell'AI locale e privata: chi sviluppa sopra llama.cpp ora legge la promessa di compatibilità direttamente nel numero di versione. In più arrivano la cache FP8, nuovi modelli supportati e correzioni di sicurezza sul server. Sul sito non ne avevamo ancora parlato.