Seit dem 13. November 2026 trägt llama.cpp die Version 1.0.0, zusammen mit ggml. Die Nummer ändert keinen Code, sie ändert eine Zusage: Ein Bruch an der Schnittstelle soll ab jetzt angekündigt werden.
Was llama.cpp v1.0.0 nach dreieinhalb Jahren bedeutet
Wer llama.cpp nur als Datei kennt, die ein Modell auf dem Laptop startet, hat den Kern schon getroffen. Im Hintergrund steckt eine Inferenz-Engine in C und C++, die quantisierte Modelle auf Notebooks, Telefonen, Einplatinenrechnern und Servern ausführt, ohne dass eine Anfrage das eigene Netz verlassen muss. Quantisierung heißt, dass die Gewichte eines Modells mit weniger Bits gespeichert werden, damit sie in den Arbeitsspeicher passen, und dass ein Modell mit sieben Milliarden Parametern offline auf vorhandener Hardware läuft, ist zu einem großen Teil dieser Engine zu verdanken.
Am 13. November 2026 hat das ggml-org-Team die Version 1.0.0 im Hugging-Face-Blog angekündigt. Als Autoren sind Daniel Bevenius, Georgi Gerganov und merve genannt. Beide Bibliotheken stehen jetzt auf dieser Nummer: llama.cpp mit libllama und den Headern in llama.cpp/include, ggml mit libggml und den Headern in ggml/include. Zwischen der ersten Zeile Code und dieser Nummer liegen dreieinhalb Jahre.
Semantic Versioning gilt jetzt für libllama und libggml
Die eigentliche Neuerung ist eine Regel, keine Funktion. Ab v1.0.0 folgen beide Bibliotheken der semantischen Versionierung. Eine MAJOR-Nummer bedeutet einen Bruch der öffentlichen C-Schnittstelle in ./include. Eine MINOR-Nummer steht für rückwärtskompatible Funktionen, neue Backends, zusätzliche Modellunterstützung oder neue API-Aufrufe. Eine PATCH-Nummer deckt Fehlerbehebungen ohne Änderung der Schnittstelle ab. Für libllama und libggml gilt dieselbe Logik.
Für Anwender ist das relevanter, als es klingt. Viele Programme und Sprachbindungen greifen direkt auf diese Header zu und legen sich auf eine Version fest, und bisher konnte eine Änderung, die niemand angekündigt hatte, am Dienstag als Build-Fehler ankommen. Wer eine App pflegt, die llama.cpp einbettet, musste bei jedem Update mit einer kaputten Signatur rechnen, und mit v1.0.0 verschiebt sich dieses Risiko in eine angekündigte MAJOR-Version.
Warum GGUF-Dateien von v1.0.0 unberührt bleiben
GGUF ist das Dateiformat, aus dem die Engine ein Modell lädt. An diesem Format hat die Ankündigung nichts geändert, und das ist wichtig für die Erwartung. Die Datei bleibt die Datei. Die Zusage betrifft die C-Schnittstelle der Bibliothek, nicht die Festplatte.
Wer eine fertige Anwendung startet und eine GGUF-Datei hineinzieht, wird in vielen Fällen keinen Unterschied merken. Wer selbst gegen libllama kompiliert, merkt ihn beim nächsten Versionswechsel. Diese Trennung erklärt, warum manche Nutzer die Nachricht mit einem Schulterzucken lesen und andere sie seit Jahren erwarten.
Was die Versionspolitik für lokale Inferenz auf dem Laptop ändert
Local inference bedeutet, dass das Modell auf der eigenen Hardware rechnet und die Anfrage nicht an einen fremden Server geht. Der Preis dafür ist Abhängigkeit von genau solchen Bibliotheken. Ein Chat-Programm, das llama.cpp einbettet, muss beim Update entscheiden, ob es die neue Version übernimmt oder bei der alten bleibt. Mit semantischer Versionierung lässt sich diese Entscheidung planen: PATCH einspielen, MINOR testen, MAJOR nur mit Änderungen am eigenen Code.
Für Projekte, die auf einem bestimmten Stand aufbauen, wird die Nummer damit zu einem Vertrag. Sie sagt nicht, dass alles besser wird, sondern dass ein Bruch einen Namen trägt und vorher angekündigt wird.
Wie llama.cpp über Docker, Homebrew und conda-forge verteilt wird
Die Ankündigung nennt auch die Wege, auf denen die Software zu Nutzern kommt. Dazu gehören Vorabversionen für Linux, macOS, Windows, Android und iOS sowie Pakete über Docker, Debian, Homebrew, conda-forge, MacPorts, Winget und ein XCFramework. Das ist der praktische Teil der Stabilität: Wer nicht selbst kompilieren will, bekommt eine Version, die jemand anderes gebaut und getestet hat.
Für Entwickler in Deutschland ist Homebrew auf dem Mac und conda-forge für Python-Projekte der übliche Weg, und beide Kanäle hängen an der Frage, wann sie eine neue Version übernehmen. Entscheidend ist der Zeitpunkt. Eine angekündigte Schnittstelle nützt wenig, wenn das Paket, das man installiert, drei Monate hinterherläuft.
Warum llama.cpp trotz v1.0.0 weiter Nightlies baut
Drei Tage nach der Ankündigung ist auf GitHub der Build b12445 erschienen, am 16. November 2026. Diese Zahl ist der beste Beleg dafür, dass die Versionierung die Entwicklung nicht eingefroren hat. Eine Stabilitätszusage, die den Code stilllegt, wäre für ein Projekt dieser Art wertlos.
Damit die Zusage bezahlbar bleibt, hat das Team die Testkapazität ausgebaut. Die CI läuft dem Blogbeitrag zufolge mit Hugging Face Buckets und HF Jobs, dazu kommen selbst betriebene Runner auf Hardware von NVIDIA, AMD, Qualcomm, Arm, IBM und Intel. Der Grund ist einfach: Eine API lässt sich nicht stabil halten, wenn Backends ungetestet ausgeliefert werden, und jede dieser Plattformen braucht einen Rechner, der den Build tatsächlich startet.
Was llama.cpp-Nutzer in Deutschland jetzt prüfen sollten
Zwei Punkte lohnen einen Blick. Erstens die eigene Abhängigkeit: Wer llama.cpp über eine Bibliothek, ein Skript oder ein Docker-Image nutzt, sollte wissen, welche Version dort festgeschrieben ist und wer sie aktualisiert. Wie plant man ein Update, wenn die Bibliothek unter der eigenen Anwendung weiterläuft? Ein Sprung über die Major-Nummer verlangt eine Prüfung des eigenen Codes, auch wenn die Anwendung nur eine GGUF-Datei lädt.
Zweitens die Hardware. Viele Entwicklungsrechner in deutschen Büros sind Notebooks ohne eigene GPU oder kleine ARM-Boards, auf denen ein Modell mit sieben Milliarden Parametern gerade noch läuft. Für diese Geräte zählt weniger ein neues Backend als die Frage, ob die fertigen Pakete weiter gepflegt werden. Local inference bleibt damit vor allem eine Frage der Verteilung, nicht der Ankündigung.
Woran sich die nächste llama.cpp-Version messen lassen muss
Die erste MAJOR-Version nach v1.0.0 wird der eigentliche Test. Dann zeigt sich, ob das Team einen Bruch vorher ankündigt, ob die Bindings innerhalb weniger Tage nachziehen und ob die Release-Notes sagen, was genau kaputtgeht. Bis dahin gilt: Die Nummer ist ein Versprechen an fremden Code. Ob es hält, entscheidet nicht die Ankündigung, sondern der erste Fall, in dem jemand seine Anwendung anpassen muss.






