Dev & code

llama.cpp passe en 1.0 après trois ans et demi : une API stable, 35 fonctions retirées et un serveur durci

Le moteur d'inférence local llama.cpp et sa bibliothèque ggml sont sortis en version 1.0.0 le 13 novembre. Le changement principal est un engagement : toute rupture de l'API C publique fera désormais monter le numéro de version majeur. La contrepartie immédiate : 35 fonctions obsolètes supprimées, ce qui impose des corrections aux applications qui s'appuient sur la bibliothèque.

Un mécanisme d'horlogerie épuré où des engrenages superflus sont retirés pour laisser une structure centrale robuste.
Illustration générée par IA

Si vous faites tourner un modèle de langage sur votre propre machine, il y a de bonnes chances que llama.cpp travaille en coulisses : c’est le moteur d’inférence en C/C++ sur lequel reposent de nombreuses applications d’IA locale. Après trois ans et demi en version « 0.x », le projet et sa bibliothèque de calcul ggml sont passés en version 1.0.0 le 13 novembre, annoncée sur le blog de Hugging Face, qui emploie l’équipe.

Une promesse plus qu’une fonction

Le vrai changement n’est pas technique : c’est un engagement de versionnage. Désormais, toute rupture de l’API C publique (les en-têtes du dossier include) fera monter le numéro majeur ; les ajouts compatibles, comme un nouveau backend ou un nouveau modèle, feront monter le numéro mineur ; les correctifs, le dernier chiffre. Jusqu’ici, explique l’équipe dans la discussion de préparation, les ruptures passaient en version 0 sans être signalées. L’équipe prévient elle-même que les versions majeures seront sans doute bien plus fréquentes que le temps qu’il a fallu pour atteindre la 1.0 : la promesse n’est pas « plus de ruptures », mais « des ruptures visibles ».

Le prix du ménage

Pour solder l’héritage, la 1.0 casse beaucoup d’un coup. Selon les notes de version, llama.h perd 35 fonctions obsolètes, llama_set_warmup et le réglage defrag_thold (et l’option --defrag-thold), llama_set_embd_state_src devient llama_set_ctx_state_src, et l’en-tête clip.h disparaît au profit de mtmd. Côté ggml, l’ancienne API dépréciée et les opérations DIAG_MASK sont retirées, et le protocole RPC passe en v9, qui refuse les pairs incompatibles. Une application ou une surcouche (binding) qui appelait ces fonctions, ou un script qui passe l’option supprimée, doit être corrigé avant la mise à jour.

Ce qui arrive avec

La version ajoute aussi des nouveautés concrètes : caches KV en FP8 (-ctk/-ctv f8_e4m3) pour réduire la mémoire du contexte, un cache d’experts MoE en mémoire hôte dont une partie des calculs peut passer sur le CPU, et de nouveaux modèles, dont Kimi-K3.1-Pro et Ripple-65B-Preview, deux modèles ouverts que nous avions présentés. Le serveur intégré llama-server est durci contre plusieurs attaques web (SSRF, CORS, DNS rebinding), annule les appels d’outils MCP quand le client se déconnecte, et ne transmet plus le jeton Hugging Face qu’aux hôtes de Hugging Face. Il gagne un point d’accès de synthèse vocale compatible OpenAI (/v1/audio/speech) et une interface web refaite. Le projet revendique la prise en charge de plus de 150 variantes d’architectures et une distribution par Homebrew, Winget, Debian, conda-forge, MacPorts et Docker.

Notre lecture

Pour qui utilise llama.cpp à travers une application toute faite, la 1.0 ne change presque rien au quotidien, et l’annonce ne promet aucun gain de vitesse. Elle compte en revanche pour ceux qui construisent dessus : un numéro majeur fiable permet enfin de figer une dépendance (« 1.x ») sans craindre qu’une mise à jour mineure casse la compilation, ce qui rapproche llama.cpp des habitudes d’une bibliothèque système. Le durcissement de llama-server est le second point à retenir : ce serveur est souvent lancé sur un poste de développeur et branché à des outils MCP, une configuration exposée aux sites web malveillants qui visent localhost. Conseil pratique : épinglez la version 0.9 tant que vos dépendances ne sont pas passées en 1.0, puis vérifiez la liste des fonctions retirées avant de migrer.

Sources

  1. Hugging Face (blog ggml-org) — llama.cpp v1.0.0 : A stronger foundation for the local AI ecosystem (13 novembre 2026) Source primaire
  2. GitHub — ggml-org/llama.cpp, notes de version v1.0.0 Source primaire
  3. GitHub — ggml-org/ggml, notes de version v1.0.0 Source primaire
  4. GitHub — llama.cpp, discussion #30566 « preparing for v1.0.0 » Source primaire

Une source primaire émane directement de l'entreprise, du laboratoire ou de l'organisme concerné. Une source secondaire rapporte l'information sans en être l'auteur : nous la signalons comme telle. Une erreur ? Consultez notre politique de correction.