llama.cpp chega à versão 1.0.0 e estabiliza a sua API após três anos e meio de desenvolvimento
O projeto open source llama.cpp, motor de referência para correr modelos de linguagem localmente, lançou a 13 de novembro de 2026 a sua primeira versão major, a v1.0.0.
Segundo a publicação oficial da equipa no blog da Hugging Face e a própria página de lançamento no GitHub, a v1.0.0 marca a primeira vez que o projeto — com cerca de três anos e meio de existência — estabiliza formalmente a sua API e ABI públicas (em `llama.h`), passando a sinalizar futuras alterações incompatíveis através do número de versão major, seguindo versionamento semântico. A biblioteca ggml subjacente também passa à versão 1.0.0 em paralelo.
Entre as mudanças técnicas: remoção de 35 funções obsoletas e de parâmetros descontinuados; cache de chave-valor (KV) em FP8; cache de especialistas MoE em memória do anfitrião, com execução parcial configurável na CPU; um novo endpoint de servidor `/v1/audio/speech` compatível com a API da OpenAI; correções de segurança no servidor contra SSRF, CORS e DNS rebinding; e uma interface web redesenhada, com agrupamento de conversas e editor Markdown. A versão adiciona ainda suporte a novos modelos, incluindo Kimi-K3.1-Pro e Ripple-65B-Preview.
A equipa do llama.cpp junta-se à Hugging Face desde fevereiro de 2026, que passou a tratar da parte administrativa (jurídica, financeira, contratações) do projeto, mantendo-o gratuito e de código aberto. Os artefactos de pré-lançamento da v1.0.0 já estão disponíveis para Linux, macOS, Windows, Android e iOS, além de pacotes Docker, Debian, Homebrew, conda-forge e Winget.
Fontes
- GitHub — ggml-org/llama.cpp, release v1.0.0 github.com
- Hugging Face Blog huggingface.co
Resumo editorial em português feito com apoio de inteligência artificial a partir das fontes indicadas. Como fazemos o Boletim IA.