ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصدارAPI / منتج · جاهز للعملTG: @cgevent (Метаверсище и ИИще)→ المصدر

صدور llama.cpp بالإصدار 1.0.0: أداء أسرع على NVIDIA وIntel وARM وسدّ ثغرات SSRF

حصل محرك llama.cpp، الذي يعتمد عليه كثيرون في تشغيل الشبكات العصبية محليًا، على الرقم 1.0.0 (بعد أن كان 0.9.0، والبناء b12359). يتضمن الإصدار تسريعات لبطاقات NVIDIA ورسوميات Intel ومعالجات ARM، كما سُدّت فيه ثغرات SSRF التي تتيح إجبار الخادم على إرسال طلبات إلى عناوين غريبة، مثل الشبكة الداخلية. وحُذفت الأمثلة القديمة وبعض واجهات API القديمة. إذا كان llama-server مكشوفًا على الشبكة، فحدّثه، وعند البناء من المصدر تحقق أولًا من الاستدعاءات المهجورة.

معالج بواسطة الذكاء الاصطناعي من TG: @cgevent (Метаверсище и ИИще)؛ بتحرير Hamidun News
صدور llama.cpp بالإصدار 1.0.0: أداء أسرع على NVIDIA وIntel وARM وسدّ ثغرات SSRF
المصدر: TG: @cgevent (Метаверсище и ИИще). كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليTG: @cgevent (Метаверсище и ИИще) ↗
رئيس التحرير
CUDAنوى few-row MMQ تسرّع الدفعات الصغيرة من 2–24 طلبًا
Vulkanأُضيف FlashAttention في مرحلة prefill لرسوميات Intel
حقيقة رئيسية #3يلغي الخادم استدعاءات أدوات MCP عند انقطاع اتصال العميل أو انتهاء المهلة

إذا شغّلتَ نموذجًا لغويًا على حاسوبك المحمول أو خادمك المصغّر أو هاتفك، فالأرجح أن llama.cpp أو أداة مبنية عليه كان يعمل خلف الكواليس. والآن حصل المشروع ومكتبته الأساسية ggml على رقم الإصدار 1.0.0 (البناء b12359)، بعد أن كان 0.9.0. الرقم نفسه لا يسرّع شيئًا، لكن رافقته حزمة كبيرة من التغييرات: أُزيلت الشيفرة القديمة، وأُضيفت تحسينات لأنواع مختلفة من العتاد، وسُدّت ثغرات SSRF. وSSRF هجوم يُجبَر فيه الخادم على إرسال طلبات إلى عناوين يختارها المهاجم، مثل الشبكة الداخلية للشركة.

ما الذي تغيّر في ترقيم الإصدارات والشيفرة

صدر llama.cpp (الإصدار #32190) وggml بالإصدار v1.0.0 في وقت واحد. واغتنم المطوّرون المناسبة لتنظيف نواتَي llama وggml من الشيفرة القديمة، فحذفوا الأمثلة المهجورة وجزءًا من واجهات API القديمة.

بالنسبة لمن يكتفون بتنزيل النسخ الجاهزة، يكاد هذا لا يُلحظ. أما إذا كنت تبني المشروع من المصدر، أو تضمّ ggml بوصفه مكتبة، أو تعتمد على أمثلة بقيت في المستودع سنوات، فاقرأ قائمة التغييرات وجرّب بناءاتك قبل التحديث. ولدى ggml-org نقاش مستقل حول سياسة الإصدارات. أما ما يَعِد به هذا النقاش بخصوص التوافق، فلا يتضح من النص المصدر، لذا ارجع إلى المصدر الأصلي للحصول على الضمانات.

تسريعات لعتاد مختلف

يتركز الجزء الأكبر من الإصدار على تحسينات منخفضة المستوى:

  • CUDA (NVIDIA). أُضيفت نوى few-row MMQ للدفعات الصغيرة بحجم من 2 إلى 24. وهذا هو الوضع الذي يعالج فيه الخادم عددًا قليلًا من الطلبات في وقت واحد، لا المئات. وبالنسبة للنماذج بصيغة NVFP4، حُسّنت مرحلة prefill، أي المعالجة الأولية للمطالبة (prompt): فصارت مقاييس w_s تُدمج الآن في الخطوة الختامية لنواة MMQ.
  • Vulkan. أُضيفت نواة FlashAttention لمرحلة prefill في الواجهة الخلفية لرسوميات Intel. وكثيرًا ما يُختار Vulkan حيث لا يتوفر CUDA، مثل الرسوميات المدمجة في الحواسيب المحمولة.
  • ARM وRISC-V. ظهرت لمعالجات ARM NEON رقعات (tiles) 4x4 simd_gemm لضرب المصفوفات على معالجات الهواتف واللوحات المدمجة. وأصبحت العملية GATED_DELTA_NET تُوجَّه الآن إلى نوى المتجهات SpacemiT RVV (RISC-V).
  • Qualcomm Hexagon. أُضيف التكميم Q5_0 وQ5_1، إضافةً إلى بناء المضيف على Windows ARM64.

لا تتضمن المصادر أرقامًا لمقدار تحسّن السرعة، لذا لا يصحّ الوعد بتسريع بنسبة معينة. فالأثر يعتمد على النموذج والتكميم والعتاد. والأجدر أن تشغّل طلبك المعتاد على البناء القديم والجديد وتقارن زمن ظهور أول رمز (token) والإنتاجية الإجمالية.

الخادم: MCP والأمان

بالنسبة لمن يستخدمون llama-server أساسًا للوكلاء (agents)، فأكثر التغييرات عمليةً هو هذا: إذا قطع العميل الاتصال أو انتهت المهلة، فإن الخادم يلغي الآن استدعاءات أدوات MCP. وهذا مهم للأدوات ذات الآثار الجانبية، مثل كتابة ملف أو إرسال طلب إلى خدمة خارجية: فلا ينبغي أن يستمر العمل غير المكتمل بينما لم يعد أحد ينتظر الرد.

سُدّت ثغرات SSRF في وسيط CORS. تخيّل أنه يمكن أن تطلب من الوسيط على خادمك فتح عنوان خدمة إدارية داخلية غير متاحة من الخارج. سيذهب الخادم إلى هناك بنفسه ويعيد الرد. وبعد الإصلاح، لا يُفترض أن تنجح هذه الحيلة. كما شُدّد الوصول إلى الأدوات من العناوين غير المحلية. وإذا كنت قد عرضت llama-server على شبكة عامة أو على الإنترنت، فهذا سبب وجيه للتحديث. لكن حتى بعد التحديث، لا ينبغي تركه مكشوفًا دون مصادقة ودون وسيط عكسي (reverse proxy).

وصُحّح كذلك تحويل نموذج Qwen3.5 والمُسقِطات متعددة الوسائط (multimodal projectors) لنماذج Qwen-VL وHunyuanVL وMiniCPM-V. وإذا واجهتك مشكلات عند تحويل هذه النماذج إلى GGUF، فجرّب مجددًا.

ماذا تفعل عمليًا

  1. اقرأ ملاحظات الإصدار على GitHub وتحقق مما إذا كنت تستخدم أمثلة أو واجهات API محذوفة.
  2. إذا كنت تشغّل llama-server مع أدوات MCP أو بوصول من غير localhost، فحدّث أولًا بسبب إصلاحات الأمان.
  3. قارن السرعة على عتادك قبل التحديث وبعده: لا توجد اختبارات أداء في المصدر، وقد يختلف المكسب كثيرًا.

الإصدار v1.0.0 علامة نضج للمشروع أكثر منه ثورة. فقد حصلت إحدى أهم أدوات الذكاء الاصطناعي المحلي على بداية نظيفة، وعلى ترقيعات في المواضع التي كانت بحاجة إليها.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ما الذي تغيّر في ترقيم الإصدارات والشيفرة؟

صدر llama.cpp (الإصدار #32190) وggml بالإصدار v1.0.0 في وقت واحد. واغتنم المطوّرون المناسبة لتنظيف نواتَي llama وggml من الشيفرة القديمة، فحذفوا الأمثلة المهجورة وجزءًا من واجهات API القديمة. بالنسبة لمن يكتفون بتنزيل النسخ الجاهزة، يكاد هذا لا يُلحظ. أما إذا كنت تبني المشروع من المصدر، أو تضمّ ggml بوصفه مكتبة، أو تعتمد على أمثلة بقيت في المستودع سنوات، فاقرأ قائمة التغييرات وجرّب بناءاتك قبل التحديث. ولدى ggml-org نقاش مستقل حول سياسة الإصدارات.

ما أبرز التفاصيل حول تسريعات لعتاد مختلف؟

يتركز الجزء الأكبر من الإصدار على تحسينات منخفضة المستوى: CUDA (NVIDIA). أُضيفت نوى few-row MMQ للدفعات الصغيرة بحجم من 2 إلى 24. وهذا هو الوضع الذي يعالج فيه الخادم عددًا قليلًا من الطلبات في وقت واحد، لا المئات. وبالنسبة للنماذج بصيغة NVFP4، حُسّنت مرحلة prefill، أي المعالجة الأولية للمطالبة (prompt): فصارت مقاييس w_s تُدمج الآن في الخطوة الختامية لنواة MMQ. Vulkan. أُضيفت نواة FlashAttention لمرحلة prefill في الواجهة الخلفية لرسوميات Intel.

ما أبرز التفاصيل حول الخادم: MCP والأمان؟

بالنسبة لمن يستخدمون llama-server أساسًا للوكلاء (agents)، فأكثر التغييرات عمليةً هو هذا: إذا قطع العميل الاتصال أو انتهت المهلة، فإن الخادم يلغي الآن استدعاءات أدوات MCP. وهذا مهم للأدوات ذات الآثار الجانبية، مثل كتابة ملف أو إرسال طلب إلى خدمة خارجية: فلا ينبغي أن يستمر العمل غير المكتمل بينما لم يعد أحد ينتظر الرد. سُدّت ثغرات SSRF في وسيط CORS. تخيّل أنه يمكن أن تطلب من الوسيط على خادمك فتح عنوان خدمة إدارية داخلية غير متاحة من الخارج. سيذهب الخادم إلى هناك بنفسه ويعيد الرد.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
ما رأيك؟
جارٍ تحميل التعليقات…