ggml-org/llama.cpp は C/C++ で LLM 推論を実装し、スター 133629 件を集めているリポジトリで、2026 年 11 月 7 日にまとまった更新には b12173 から b12189 までの 8 つのリリースが含まれる。今回のまとめの中心は、複数バックエンドにおけるカーネルの強化とサーバースロットの処理順変更である。
まず対応演算が増えた。OpenCL バックエンドは b12173 で f16、i32、i16、bf16 データ型の repeat 演算に対応し、b12183 で arange 演算を追加した。WebGPU には b12187 で group norm カーネルが追加され、Metal は b12189 で GROUP_NORM のバッチ次元（ne03）が 1 より大きい場合、または入力が非連続の場合の不具合を修正した。b12186 は Vulkan の decodeBuf 宣言に readonly 表示を追加し、b12188 はサーバーが待機中の子スロットより親スロットを先に訪問するように順序を変更した。そのほか b12182 はテンソルの少ないバッファの計算ビュー上限を上げ、DeepSeek 4.1 の試験モデルを 6 層に戻し、b12174 は Windows リソースファイルを CMake がテンプレート入力ファイルなしで直接生成するように変更した。
ただし、各版に含まれる変更は概して一〜二個のカーネル、またはビルド・テスト手順に限られる。b12186 については、将来のドライバーバージョンで性能上の利点が期待されるという説明があるだけで測定値はなく、性能やユーザー指標も示されていない。つまりこのまとめは、特定のバックエンドで使える演算種類を一つずつ広げる作業の連続に近く、何がどれだけ速くなったかを判断するにはバックエンドごとの自主測定がさらに必要になる。