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/ usoNeurohive→ original

llama.cpp 1.0.0: API estável para desenvolvedores e remoção de 35 funções antigas

O llama.cpp, programa popular para executar redes neurais no próprio computador, lançou a versão 1.0.0 com a primeira API estável, isto é, o conjunto de funções pelo qual os aplicativos se comunicam com ele. Agora, o primeiro número da versão indica se seu aplicativo vai quebrar após a atualização: ele só muda em caso de alterações incompatíveis. Mas a migração para a 1.0.0 não é gratuita: a equipe removeu 35 funções obsoletas, então vale verificar a build com antecedência.

Processado por IA de Neurohive; editado por Hamidun News
llama.cpp 1.0.0: API estável para desenvolvedores e remoção de 35 funções antigas
Fonte: Neurohive. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalNeurohive ↗
Editor-chefe
Modelos MoE grandesparte da carga pode ir para o processador, não para a placa de vídeo
Dado-chave #2O servidor ganhou uma requisição de síntese de voz compatível com a OpenAI
Dado-chave #3O token do Hugging Face, por padrão, só é enviado para huggingface.co

Imagine que você criou um chat de IA que roda um modelo local via llama.cpp. Você atualizou a biblioteca e o chat parou de iniciar: os desenvolvedores renomearam ou removeram uma função que você chamava. Para um projeto que sustenta uma grande parte dos serviços locais de IA, esse tipo de surpresa era algo comum. Agora o llama.cpp chegou à versão 1.0.0 e, pela primeira vez, formalizou a promessa de compatibilidade. Não se trata de um salto de velocidade, e sim da maturidade da infraestrutura. Junto com isso, a versão 1.0.0 também trouxe o ggml, componente que executa os cálculos matemáticos.

O que significa "API estável" e qual é o papel do número da versão

API é o conjunto de funções e regras pelo qual seu aplicativo conversa com a biblioteca. ABI é o mesmo conceito no nível do binário compilado: se ele muda, até código inalterado precisa ser recompilado. Antes, o llama.cpp já tinha números de versão, mas sem garantias rígidas por trás deles. A partir da 1.0.0 passa a valer um esquema conhecido como versionamento semântico.

  • O primeiro número aumenta quando a API ou a ABI mudam de forma incompatível. Passar da 1.0.0 para a 2.0.0 significa que seu código, muito provavelmente, precisará de ajustes.
  • O segundo número marca adições compatíveis, ou seja, novas funções sem quebras.
  • O terceiro número indica correções de bugs sem alteração na interface.

É como um padrão de tomadas: enquanto ele não muda, qualquer aparelho encaixa. O autor de um aplicativo pode atualizar tranquilamente dentro da linha 1.x e se preparar e testar com antecedência para uma mudança de versão maior. Os projetos distribuem duas bibliotecas: libllama e libggml.

Para as distribuições Linux, isso também é uma vantagem. Segundo um integrante da comunidade Debian, a compatibilidade previsível facilita a distribuição do llama.cpp. Mas o projeto tem oito canais de distribuição, desde arquivos prontos no GitHub até catálogos de instalação de programas e pacotes para a Apple. A presença da versão 1.0.0 em cada um deles precisa ser verificada separadamente.

O preço da migração: 35 funções removidas

A migração para a 1.0.0 pode exigir ajustes. A equipe removeu 35 funções obsoletas e, em separado, a função de configuração do "aquecimento" do modelo, isto é, os cálculos preparatórios antes da primeira resposta. Além disso, parte do código de imagem e áudio foi reestruturada e unificada em um único componente. Os aplicativos que usavam esses recursos terão de se adaptar.

Entre as novidades no gerenciamento de memória está o armazenamento mais compacto dos cálculos intermediários. Também mudou a forma de executar modelos MoE, nos quais apenas parte dos "especialistas" é ativada para cada palavra. Os dados principais desses modelos podem ficar na memória RAM, enquanto os especialistas mais usados são armazenados em cache na memória da placa de vídeo. Se o especialista necessário não estiver lá, depois que o cache estiver cheio, parte dos cálculos pode ser atribuída ao processador, em vez de enviar os dados para a GPU. Isso pode acelerar o funcionamento, mas o resultado depende do hardware e das configurações.

A lista de modelos suportados passou a incluir Kimi-K3.1-Pro, Ripple-65B-Preview e xing4_0 para texto, drama-3 para geração de fala e também MageVL-Cowork e Kimi-K3.1 para processamento de imagens. No total, segundo a equipe, a ferramenta oferece suporte a mais de 150 arquiteturas.

Voz, navegador e proteção do servidor

O servidor do llama.cpp, que recebe requisições de um navegador ou aplicativo e as repassa ao modelo, ganhou uma forma compatível com a OpenAI de solicitar a síntese de voz de um texto. Se seu aplicativo já trabalha com requisições no formato da OpenAI, ficará mais simples conectar a geração de fala local. Na interface do navegador foram adicionados grupos de chats, pré-visualização da formatação das mensagens e uma visualização aprimorada em celulares.

A proteção de acesso à sua rede doméstica ou corporativa também foi reforçada:

  • executar ferramentas em um servidor acessível de outros dispositivos sem chave de API agora exige permissão explícita;
  • o carregamento de imagens e outras mídias da rede interna também passou a ter restrições adicionais;
  • a chave de acesso ao Hugging Face não é mais enviada automaticamente a endereços arbitrários de download de modelos. Por padrão, ela só vai para huggingface.co, e qualquer outro endereço confiável precisa ser liberado explicitamente.

O que fazer na prática

Os autores de aplicativos devem compilar o projeto na 1.0.0 e verificar se não chamam funções removidas, especialmente o "aquecimento" do modelo e o código de imagem e áudio. Quem mantém um servidor para a equipe precisa revisar as configurações de acesso: sem chave de API, as ferramentas agora não serão iniciadas sem consentimento explícito.

Há também limitações. O lançamento não garante aceleração para qualquer modelo, e a equipe não publicou uma comparação geral de desempenho com a versão anterior. Os novos recursos só chegarão aos usuários à medida que os autores atualizarem seus aplicativos prontos. A principal conclusão da 1.0.0 é outra: a IA local ganhou uma base previsível, e produtos construídos sobre ela podem ser planejados com meses de antecedência.

História

Perguntas frequentes sobre a notícia

O que significa "API estável" e qual é o papel do número da versão?

API é o conjunto de funções e regras pelo qual seu aplicativo conversa com a biblioteca. ABI é o mesmo conceito no nível do binário compilado: se ele muda, até código inalterado precisa ser recompilado. Antes, o llama.cpp já tinha números de versão, mas sem garantias rígidas por trás deles. A partir da 1.0.0 passa a valer um esquema conhecido como versionamento semântico. O primeiro número aumenta quando a API ou a ABI mudam de forma incompatível.

O que se sabe sobre O preço da migração: 35 funções removidas?

A migração para a 1.0.0 pode exigir ajustes. A equipe removeu 35 funções obsoletas e, em separado, a função de configuração do "aquecimento" do modelo, isto é, os cálculos preparatórios antes da primeira resposta. Além disso, parte do código de imagem e áudio foi reestruturada e unificada em um único componente. Os aplicativos que usavam esses recursos terão de se adaptar. Entre as novidades no gerenciamento de memória está o armazenamento mais compacto dos cálculos intermediários.

O que se sabe sobre Voz, navegador e proteção do servidor?

O servidor do llama.cpp, que recebe requisições de um navegador ou aplicativo e as repassa ao modelo, ganhou uma forma compatível com a OpenAI de solicitar a síntese de voz de um texto. Se seu aplicativo já trabalha com requisições no formato da OpenAI, ficará mais simples conectar a geração de fala local. Na interface do navegador foram adicionados grupos de chats, pré-visualização da formatação das mensagens e uma visualização aprimorada em celulares.

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…