llama.cpp v0.3.0公開 — Dots3-Note対応とDeepSeek 4テンソル分割、ggml 0.22.0へ更新

ローカルLLM推論の定番エンジン llama.cpp が2026年8月25日（UTC）、安定版 v0.3.0 を公開した。スター18万超の人気リポジトリのマイナーバージョンアップで、マルチモーダルモデルdots3-noteの新規対応、DeepSeek 4のtensor-split、GLM-4.5-AirのMTP、ggml v0.22.0への更新を柱に、サーバーとWeb UIまで含む広範な改善をまとめたリリースだ。直前の nightly b10621 を包含する安定版で、変更点は前回 v0.2.0 からの差分として整理されている。

新モデルとコア推論 — Dots3-Note、DeepSeek 4、GLM-4.5-Air

• dots3-note: 新アーキテクチャを追加。新しいKVキャッシュ方式 DSA-ISWA を備え、mtmd側で視覚・音声の両モダリティをサポートする。関連PRは #27060、#27524。大規模コンテキストでの効率を狙った設計とみられる。
• DeepSeek 4: テンソル並列の分割方式 tensor-split（-sm tensor） を追加 #26490、複数シーケンスでのロールバック不具合を修正 #26756。テンソル並列時のメタ状態伝播も修正 #27574、分散推論の安定性を高めている。
• GLM-4.5-Air: MTP（Multi-Token Prediction） に対応 #26534。投機的デコーディング周りではドラフトMTPとembeddingの組み合わせ不具合も修正 #27400。
• その他コア: mamba2の入出力射影をGEMVからGEMMへ平坦化して高速化 #27513、bailingmoe3のDSpark対応 #27508、ROPEオフセットの共通化、文法のハイフン解釈修正など細部の堅牢化も含む。

マルチモーダルとggml — WebP、リサイズ精度、Metal並列

• マルチモーダル（mtmd）: WebP画像のデコードをffmpeg経由でサポート #27520、動画のmoov atomが末尾にあるファイルの読み込み修正 #27596、Pillow準拠のリサイズアルゴリズムへ統一し resize_algo を全モデルで是正 #27594。視覚モデルの前処理精度をOS標準に近づける改善だ。
• ggml v0.22.0: メタ（multi-backend）でのtensor-split対応、Metalカーネルをper-opソース分割＋並列コンパイルへ刷新してビルド時間を短縮、ggml_clampを非インプレース化して正しい演算に修正。新演算 POOL_1D / PAD_REFLECT_1D を追加、SYCL向けQ2_KカーネルやOpenCLのMoEバイアス融合などバックエンド横断の最適化も含む。
• サーバー/UI: サーバーはスロット差分のデバッグ範囲を広げる環境変数 LLAMA_SERVER_SLOTS_N_DIFF を追加 #27600、スロット適合ロジックを共通 fit へ移し n_streams を考慮。Web UIはチャット会話のタブナビゲーションを導入 #27263し、キーボードショートカットも修正した。

本リリースは breaking change として json.h の抽象化導入やCLIオプション -no-cnv の削除なども含む。アップデート時はリリースノートのChangelog（v0.2.0以降）を確認し、MetalやCUDA環境では初回ビルドの並列コンパイル挙動に留意したい。

出典

• Release v0.3.0 — ggml-org/llama.cpp (GitHub)
• Release ggml v0.22.0 — ggml-org/ggml