Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAPI / Produto · Pronto p/ usoX: @Luejinlynn→ original

llama.cpp chega à versão 1.0.0: quebrar a C API sem mudar o major não é mais permitido

llama.cpp, motor popular para rodar LLMs no próprio hardware, chegou à versão 1.0.0 com uma regra simples: se você quebrar a API pública em C da pasta ./include, o primeiro número da versão (major) sobe para 2.0. Antes, projetos que embutiam a biblioteca dependiam de builds noturnos (nightly) e temiam que o código deixasse de compilar após uma atualização. Agora é possível fixar a dependência em 1.0.0 e migrar para versões seguintes de forma consciente.

Processado por IA de X: @Luejinlynn; editado por Hamidun News
llama.cpp chega à versão 1.0.0: quebrar a C API sem mudar o major não é mais permitido
Fonte: X: @Luejinlynn. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalX: @Luejinlynn ↗
Editor-chefe
Dado-chave #1O cache KV em FP8 é ativado pelas flags -ctk e -ctv com o valor f8_e4m3
Dado-chave #2O llama-server fechou brechas de SSRF, CORS e DNS rebinding e ganhou o endpoint /v1/audio/speech
Antes de atualizar, revise suas chamadasAPIs obsoletas foram removidas

Imagine que você embutiu o llama.cpp em sua aplicação e, uma semana depois, puxou um build novo, e o projeto deixou de compilar porque o autor da biblioteca renomeou ou removeu uma função. Foi assim que muita gente que usa esse motor para rodar LLMs no próprio hardware viveu: não havia promessas de estabilidade da interface, e era preciso acompanhar os nightly, os builds noturnos direto do desenvolvimento. Em 13 de novembro de 2026, isso mudou: o llama.cpp chegou à versão 1.0.0 e, no mesmo dia, a biblioteca ggml, na qual ele se apoia, também recebeu a versão 1.0.0.

O que significa o "contrato de versão 1.0.0", explicado de forma simples

O principal valor do release não é mais uma flag, e sim a regra do jogo. No blog oficial no Hugging Face está registrado que, se a API pública em C do diretório ./include for quebrada (ou seja, as funções que programas externos chamam), a versão MAJOR sobe, que é o primeiro número. Novos recursos compatíveis com versões anteriores e suporte a novos modelos incrementam o MINOR, o segundo número. Apenas correções de bugs são PATCH, o terceiro.

Na prática, isso significa que, se você tem a 1.0.0 como dependência, a atualização para 1.1 ou 1.2 não deve quebrar seu código. Já o surgimento da 2.0 é um sinal para abrir a lista de mudanças e ajustar suas chamadas. Distribuições Linux, gerenciadores de pacotes e aplicações que linkam a biblioteca finalmente podem fixar a versão e deixar de acompanhar o nightly.

Ressalva: a v1.0 é um contrato, não a promessa de que "a interface nunca vai mudar". Se os autores precisarem de uma alteração incompatível, lançarão a 2.0. Por isso, o acompanhamento precisa ser feito justamente pela major.

O que mais entrou no release

  • Foram removidas APIs públicas obsoletas, e as interfaces NextN e de decodificação especulativa (método de aceleração da geração) foram elevadas para o cabeçalho principal, o llama.h.
  • Foi adicionado o cache KV em FP8. O cache KV armazena dados intermediários do contexto, e um formato mais compacto ajuda a caber diálogos longos na mesma memória. Ele é ativado pelas flags -ctk e -ctv com o valor f8_e4m3.
  • Para modelos MoE, surgiu um cache de especialistas: o que não couber nele pode ficar na memória RAM do host, e a fatia processada pela CPU pode ser ajustada. É útil quando a VRAM não comporta todos os especialistas de uma vez.
  • O llama-server ganhou proteção contra SSRF (quando o servidor é forçado a acessar endereços internos), ataques de CORS e DNS rebinding. Além disso, as chamadas de ferramentas MCP agora são canceladas se o cliente se desconectar ou se o timeout expirar.
  • Foi adicionado o endpoint /v1/audio/speech, compatível com a API da OpenAI, para síntese de fala.

O bloco de segurança é importante para quem expõe o servidor para fora. Quando um servidor consegue executar ferramentas via MCP, ele age, na prática, em nome do usuário, e esses pontos costumam virar alvo de ataques.

O que o desenvolvedor deve fazer

O autor da análise original sugere três passos.

  1. Fixe a versão no seu build ou gerenciador de pacotes em 1.0.0 e pare de seguir o nightly silenciosamente.
  2. Se você disponibiliza o llama-server para outras pessoas, examine com cuidado os novos parâmetros --allow-unauthenticated-tools e --media-allow-private-urls. Por padrão, é melhor não ativá-los: o primeiro permite chamar ferramentas sem autenticação, e o segundo autoriza acessos a endereços privados no carregamento de mídia.
  3. Antes de atualizar, rode seus próprios chamados à API e confirme que você não usa funções removidas. Esse é um conselho pessoal do autor, que ele mesmo não testou na prática.

Limitações

O blog fala em suporte a mais de 150 arquiteturas, mas essa é a formulação dos próprios autores. Se um modelo específico vai funcionar na 1.0.0, é preciso consultar a lista de modelos dessa versão em particular. Além disso, as informações sobre o release vêm, até agora, das notas oficiais e do blog. Problemas reais de compatibilidade só vão aparecer quando o projeto rodar por um tempo com as novas regras.

Em resumo: para a comunidade de LLMs locais, a v1.0.0 representa, antes de tudo, maturidade do processo. As equipes ganharam uma base para planejar atualizações, e para um produto construído sobre o llama.cpp isso vale mais do que qualquer flag isolada.

História

Perguntas frequentes sobre a notícia

O que significa o "contrato de versão 1.0.0", explicado de forma simples?

O principal valor do release não é mais uma flag, e sim a regra do jogo. No blog oficial no Hugging Face está registrado que, se a API pública em C do diretório ./include for quebrada (ou seja, as funções que programas externos chamam), a versão MAJOR sobe, que é o primeiro número. Novos recursos compatíveis com versões anteriores e suporte a novos modelos incrementam o MINOR, o segundo número. Apenas correções de bugs são PATCH, o terceiro.

O que mais entrou no release?

Foram removidas APIs públicas obsoletas, e as interfaces NextN e de decodificação especulativa (método de aceleração da geração) foram elevadas para o cabeçalho principal, o llama.h. Foi adicionado o cache KV em FP8. O cache KV armazena dados intermediários do contexto, e um formato mais compacto ajuda a caber diálogos longos na mesma memória. Ele é ativado pelas flags -ctk e -ctv com o valor f8_e4m3.

O que o desenvolvedor deve fazer?

O autor da análise original sugere três passos. Fixe a versão no seu build ou gerenciador de pacotes em 1.0.0 e pare de seguir o nightly silenciosamente. Se você disponibiliza o llama-server para outras pessoas, examine com cuidado os novos parâmetros --allow-unauthenticated-tools e --media-allow-private-urls. Por padrão, é melhor não ativá-los: o primeiro permite chamar ferramentas sem autenticação, e o segundo autoriza acessos a endereços privados no carregamento de mídia.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…