llama.cpp 限制 CUDA MMQ Stream-K 块数
热点事件持续更新
llama.cpp 限制 CUDA MMQ Stream-K 块数
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
llama.cpp 发布 b11730，在 CUDA 后端为 MMQ Stream-K 的 grid 设置上限，使其不超过实际 k-block 数量，从而在小矩阵场景下去掉不执行工作的多余 CUDA block，减少启动与 fixup 开销。 该版本称改动不改变有效的 K 取整范围与数值结果；MUL_MAT 和 MUL_MAT_ID 后端测试已在 RTX 5090 上通过。
AI 根据报道生成 · 2 小时前更新
最新进展10月19日 15:41
llama.cpp b11730：CUDA 后端为 MMQ Stream-K 的 block 数量设上限报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- llama.cpp Releasesllama.cpp b11730：CUDA 后端为 MMQ Stream-K 的 block 数量设上限
llama.cpp 发布 b11730，在 CUDA 后端将 MMQ Stream-K 的 grid 上限压到实际 k-block 数量，避免小矩阵场景下出现无工作的多余 CUDA block，减少启动与 fixup 开销。改动不改变有效的 K 取整范围与数值结果，MUL_MAT 和 MUL_MAT_ID 后端测试已在 RTX 5090 上通过。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。