6 sept 2026 · turboderp-org/exllamav3 · canal stable
ExLlamaV3 v1.4.8
ExLlama · Proyecto · web oficial
ActualizaEn observaciónfuncionalidadrendimiento
Qué hacer: nada por ahora — quedó en observación porque la evidencia no fue suficiente para publicarlo.
Introduce optimizaciones críticas en la gestión de VRAM y soporte de caché para nuevos modelos flash, además de limpiar el código de FA2.
Qué ha cambiado
- Optimización de la asignación de VRAM mediante segmentos expandibles por defecto.
“Optimize VRAM allocations and switch to expandable segments by default” — fuente
- Soporte de caché de cuantización para modelos DSv4-Flash, Qwen3.8-Flash-Next y GLM5.3-Flash.
“Cache quantization for DSv4-Flash, Qwen3.8-Flash-Next and GLM5.3-Flash” — fuente
- Eliminación completa de las rutas de código de Flash Attention 2 (FA2).
“Fully remove all FA2 code paths” — fuente
También sobre lo mismo
- Qwen publica Qwen3.8-Flash-Next · Modelo · 24 ago 2026
Fuentes
- turboderp-org/exllamav3 1.4.8 consultada 2026-10-13
Cómo se decidió
Todas las citas verificadas · triage por LLM (gemma4).
- Las reglas no vieron señales relevantes sin señales relevantes.
- El modelo decidió publicar · 3 citas comprobadas
- Se consideró un cambio menor: queda en observación.
Procedencia técnica
- reglas: drop (sin señales)
- llm: publish; 3 citas verificadas, 0 rechazadas
- publish con severidad minor: queda en observación
sha256 3a126ff4931fd9bf…· https://github.com/turboderp-org/exllamav3/releases/tag/v1.4.8