Produto

llama.cpp chega ao v1.0.0 e promete não quebrar mais seu build

Depois de três anos e meio, o llama.cpp ganhou um número de versão e um contrato de compatibilidade. Não há modelo novo nem ganho de velocidade na notícia: o que mudou foi a promessa sobre o próximo build.

Mariana SilvaMariana Silva
Popularidade: 1,200
Uma pilha de camadas de biblioteca sobre um pedestal, com uma etiqueta de versão travada no topo e fluxos chegando por cima

Depois de três anos e meio, o llama.cpp ganhou um número de versão e um contrato de compatibilidade. Não há modelo novo nem ganho de velocidade na notícia: o que mudou foi a promessa sobre o próximo build.

llama.cpp v1.0.0: o número que muda a relação com quem usa

A equipe do ggml-org publicou o anúncio no blog do Hugging Face em 13 de novembro de 2026, com autoria de Daniel Bevenius, Georgi Gerganov e merve. llama.cpp e ggml chegaram juntos ao v1.0.0. As bibliotecas públicas são libllama, com cabeçalhos em llama.cpp/include, e libggml, com cabeçalhos em ggml/include.

Para quem nunca compilou nada, vale a explicação curta. llama.cpp é um motor de inferência escrito em C e C++ que roda modelos quantizados em notebook, celular, placa do tamanho de um Raspberry Pi e servidor. É uma das razões pelas quais um modelo de 7 bilhões de parâmetros consegue rodar offline em hardware que você já tem.

O projeto tem três anos e meio e uma base grande de programas que dependem das suas interfaces. O v1.0.0 não é festa de aniversário. É o projeto admitindo, por escrito, que outras pessoas constroem em cima dele.

O que v1.0.0 muda para quem já roda llama.cpp

A mudança central é a adoção de versionamento semântico, o mesmo esquema que bibliotecas grandes usam para sinalizar o que pode quebrar. MAJOR significa mudança incompatível na API pública em C dentro de ./include. MINOR cobre recursos compatíveis, atualizações de backend, suporte a novos modelos e adições de API. PATCH é correção de bug sem mudança de API. As duas bibliotecas seguem a mesma regra.

Por que isso importa para quem só usa um app pronto? Porque o app não usa o llama.cpp diretamente, quase nunca. Ele usa um binding em Python, um pacote em Go, uma camada em Rust, um plugin de editor. Essas camadas fixam versões contra os cabeçalhos. Quando o cabeçalho muda sem aviso, o resultado aparece longe da causa.

Antes, esse tipo de quebra chegava sem nome. Você atualizava, o build falhava, e o problema virava uma tarde de depuração em código de terceiro. A partir de agora, uma quebra de API precisa de MAJOR, e MAJOR é anúncio. A promessa não impede o erro. Ela impede o erro surpresa.

ggml e libllama: dois cabeçalhos, uma regra só

Muita gente confunde ggml com um modelo, e a confusão custa tempo. ggml é a biblioteca de tensores que fica embaixo do llama.cpp, a camada que organiza e multiplica os números. O llama.cpp usa essa base e monta o motor de inferência em cima dela.

As duas bibliotecas passaram a v1.0.0 no mesmo dia e obedecem ao mesmo critério de versão. Isso é mais importante do que parece. Um projeto que versiona só a camada de cima deixa a fundação solta, e a fundação é onde as mudanças doem mais, porque atingem todo mundo que compila contra ela.

GGUF não mudou, e isso é boa notícia

GGUF é o formato de arquivo que o motor carrega, o pacote que junta pesos, metadados e configuração de quantização em um único arquivo. Ele não mudou nesta versão, e o projeto não reivindica tê-lo inventado. GGUF é tratado como o que é: o contêiner que o llama.cpp lê.

A estabilidade aqui tem efeito prático. Quem guarda uma biblioteca de modelos em GGUF não precisa reconverter nada, e quem publica um modelo quantizado para a comunidade não precisa republicar o arquivo. O acervo continua válido, e isso economiza horas de download em conexões ruins.

local inference: por que um build quebrado na terça importa

O termo local inference descreve o que o projeto faz de melhor: rodar o modelo na máquina em que você está, sem chamar API, sem mandar prompt para fora. No Brasil, onde a conexão instável e o preço de nuvem em dólar pesam no orçamento, isso deixa de ser hobby e vira infraestrutura.

Quem mantém um app que embarca llama.cpp conhece o roteiro. A compilação passa na segunda e falha na terça, sem nenhum commit seu. O pacote do Debian atualiza, o Homebrew muda a receita, o Android muda o NDK, e a estabilidade de API não resolve tudo isso, mas retira uma variável da equação.

A distribuição também ficou mais previsível. O anúncio cita artefatos de pré-lançamento para Linux, macOS, Windows, Android e iOS, além de Docker, Debian, Homebrew, conda-forge, MacPorts, Winget e XCFramework. São caminhos diferentes para perfis diferentes. Quem instala por conda não quer compilar, e quem embarca em app iOS quer um XCFramework pronto.

A conta de CI que tornou a promessa do ggml possível

Prometer estabilidade sem testar é fácil. Cumprir exige máquina. O projeto escalou a integração contínua com Hugging Face Buckets e HF Jobs e mantém runners próprios em hardware de NVIDIA, AMD, Qualcomm, Arm, IBM e Intel.

A lógica é simples e cara. Não dá para garantir que a API continua igual em doze backends se só três são testados. Cada placa exige um build, um conjunto de testes e alguém olhando o resultado. O v1.0.0 é, em boa parte, uma fatura de infraestrutura.

Os nightlies do llama.cpp não pararam

Se a promessa viesse com congelamento, seria inútil. Não veio. O projeto continuou publicando builds noturnos depois do anúncio: o b12445 saiu no GitHub em 16 de novembro, três dias depois do post no Hugging Face.

Esse detalhe separa estabilidade de estagnação. A versão estável existe para quem precisa de chão firme, e o nightly existe para quem quer o recurso da semana. Os dois convivem, e é assim que deveria ser.

O primeiro MAJOR do llama.cpp será o teste

Um número de versão é uma promessa sobre o código dos outros. O time do ggml-org fez essa promessa em público, com regra escrita e canal de distribuição definido. Falta o teste real, que só chega quando a primeira mudança incompatível for necessária, e nesse dia o projeto vai escolher entre adiar o recurso e subir o MAJOR. A escolha dirá se o v1.0.0 foi um contrato ou uma etiqueta. Para quem mantém um app em cima do llama.cpp, vale acompanhar a nota de versão antes de atualizar, e vale testar em uma máquina separada antes de subir para produção.

Enquanto a resposta não chega, o ganho imediato é modesto e útil: builds que falham passam a ter origem declarada.

Isso já é bastante.

Compartilhar esta notícia

Fontes

Notícias de IA relacionadas

Uma barra de busca com uma barra lateral de assistente entrando pela esquerda e atalhos logo abaixo
Produto

O Google colocou o seu histórico de conversas na página inicial da busca

A página inicial do Google Search agora tem atalhos do Gemini e uma sidebar com o histórico do AI Mode. O rollout é global no desktop, mas não chegou a todos.

Popularidade: 1,790
Uma janela de aplicativo delineada em primeiro plano, com uma segunda janela trabalhando atrás e um trajeto de cursor entre as duas
Produto

O Gemini agora mexe nos apps do seu Mac, numa janela separada

O Google liberou o computer use no app do Gemini para Mac. O assistente clica e digita por você, mas só em inglês e nos planos pagos.

Popularidade: 1,740
Balões de conversa selados dentro de uma porta de cofre com um mostrador de retenção e dois cronômetros de 72 horas desbotados
Produto

Gemini separa histórico de treinamento e estica a retenção para dois meses

Agora dá para manter as conversas salvas sem liberar o uso delas para treinar os modelos. A outra mudança vai na direção oposta: até conversa temporária fica guardada por mais tempo.

Popularidade: 1,500
Painel azul de aplicativo com um arroba, um círculo e um pequeno gráfico de barras ao lado das palavras Gemini lê o Wallet
Produto

Gemini passa a ler o Google Wallet e monta seus gastos sem mover dinheiro

Desde 13 de novembro, dá para marcar @Google Wallet dentro de uma conversa com o Gemini e pedir um retrato dos gastos do trimestre. O Google insiste em uma palavra: leitura. O assistente enxerga o extrato e não move um centavo.

Popularidade: 1,400