llama.cpp chega à versão 1.0 após três anos e meio: API estável, 35 funções removidas e servidor protegido
O motor de inferência local llama.cpp e sua biblioteca ggml foram lançados na versão 1.0.0 em 13 de novembro. A principal mudança é um compromisso: qualquer quebra na API C pública agora aumentará o número da versão principal. A contrapartida imediata: 35 funções obsoletas foram removidas, exigindo correções em aplicativos dependentes da biblioteca.

Se você executa um modelo de linguagem na sua própria máquina, há grandes chances de o llama.cpp estar trabalhando nos bastidores: ele é o motor de inferência em C/C++ sobre o qual se apoiam inúmeros aplicativos de IA local. Após três anos e meio nas versões “0.x”, o projeto e sua biblioteca de computação ggml chegaram à versão 1.0.0 em 13 de novembro, anunciada no blog da Hugging Face, desenvolvedora que emprega a equipe.
Uma promessa mais do que um recurso
A verdadeira mudança não é técnica: trata-se de um compromisso de versionamento. A partir de agora, qualquer quebra da API C pública (os cabeçalhos na pasta include) elevará o número principal da versão; adições compatíveis, como um novo backend ou um novo modelo, elevarão o número secundário; correções de bugs mudarão o último dígito. Até agora, explica a equipe na discussão de preparação, mudanças incompatíveis ocorriam na versão 0 sem aviso prévio. A própria equipe alerta que novas versões principais serão provavelmente bem mais frequentes do que o tempo necessário para alcançar a 1.0: a promessa não é “acabar com as quebras”, mas sim torná-las visíveis.
O preço da faxina
Para acertar as contas com o passado, a versão 1.0 quebra bastante coisa de uma só vez. De acordo com as notas de versão, o arquivo llama.h perde 35 funções obsoletas, além de llama_set_warmup, a configuração defrag_thold (e a opção --defrag-thold), llama_set_embd_state_src passa a se chamar llama_set_ctx_state_src, e o cabeçalho clip.h desaparece, absorvido pelo mtmd. Do lado do ggml, a antiga API descontinuada e as operações DIAG_MASK foram removidas, e o protocolo RPC avança para a v9, rejeitando pares incompatíveis. Qualquer aplicativo ou camada de integração (binding) que utilize essas funções, ou script que repasse a opção excluída, precisará ser ajustado antes da atualização.
O que vem junto
A versão também traz melhorias práticas: caches KV em FP8 (-ctk/-ctv f8_e4m3) para diminuir o consumo de memória do contexto, um cache de especialistas MoE na memória do host com parte do processamento transferida para a CPU, além de suporte a novos modelos, incluindo Kimi-K3.1-Pro e Ripple-65B-Preview, dois modelos abertos já abordados por nós. O servidor integrado llama-server foi protegido contra diversos ataques web (SSRF, CORS, DNS rebinding), agora cancela chamadas de ferramentas MCP quando o cliente se desconecta e só envia o token da Hugging Face para domínios huggingface.co. Ele também ganhou um endpoint de síntese de voz compatível com a OpenAI (/v1/audio/speech) e uma interface web reformulada. O projeto afirma suportar mais de 150 variantes de arquiteturas e conta com distribuição via Homebrew, Winget, Debian, conda-forge, MacPorts e Docker.
Nossa leitura
Para quem utiliza o llama.cpp por meio de um aplicativo pronto, a versão 1.0 quase não altera o dia a dia, e o anúncio não promete nenhum ganho de velocidade. Por outro lado, ela é essencial para quem constrói ferramentas sobre ele: contar com um número de versão principal confiável permite finalmente fixar uma dependência (“1.x”) sem receio de que uma atualização menor quebre a compilação, aproximando o llama.cpp dos padrões de uma biblioteca de sistema. O reforço de segurança do llama-server é outro destaque importante: esse servidor frequentemente roda na máquina de desenvolvedores conectado a ferramentas MCP, uma configuração exposta a sites maliciosos voltados para localhost. Recomendação prática: fixe a versão 0.9 enquanto suas dependências não forem migradas para a 1.0 e revise a lista de funções descontinuadas antes de atualizar.
Fontes
- Hugging Face (blog ggml-org) — llama.cpp v1.0.0: A stronger foundation for the local AI ecosystem (13 de novembro de 2026) Fonte primária
- GitHub — ggml-org/llama.cpp, notas de versão v1.0.0 Fonte primária
- GitHub — ggml-org/ggml, notas de versão v1.0.0 Fonte primária
- GitHub — llama.cpp, discussão #30566 «preparing for v1.0.0» Fonte primária
Uma fonte primária vem diretamente da empresa, do laboratório ou da organização envolvida. Uma fonte secundária relata a informação sem ser a sua autora: nós a sinalizamos como tal. Encontrou um erro? Consulte nossa política de correções.


