Dev & código

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.

Um mecanismo de relógio simplificado com engrenagens redundantes removidas, deixando um núcleo central sólido.
Ilustração gerada por IA

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

  1. 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
  2. GitHub — ggml-org/llama.cpp, notas de versão v1.0.0 Fonte primária
  3. GitHub — ggml-org/ggml, notas de versão v1.0.0 Fonte primária
  4. 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.