Setelah tiga setengah tahun memakai nomor commit sebagai versi, llama.cpp akhirnya punya angka versi yang berarti. Proyek open source yang menjadi mesin di balik aplikasi AI lokal seperti Ollama dan LM Studio merilis llama.cpp 1.0.0 pada 13 November 2026, bersama ggml 1.0.0, pustaka tensor di bawahnya. Isi rilisnya bukan model baru atau lonjakan kecepatan, melainkan sebuah janji: antarmuka pemrograman publiknya kini stabil, dan perubahan yang merusaknya hanya akan datang lewat kenaikan versi mayor.
Ringkasan
- llama.cpp 1.0.0 dan ggml 1.0.0 rilis 13 November 2026, tiga setengah tahun setelah proyek dimulai.
- Mulai kini, perubahan API publik yang merusak hanya lewat versi mayor; fitur baru lewat minor, perbaikan bug lewat patch.
- Rilis ini juga membersihkan 35 fungsi usang, menambah cache FP8, dan menambal celah keamanan llama-server.
Aturan barunya sederhana. Perubahan yang memecahkan API C publik di folder include memicu kenaikan versi mayor. Fitur yang kompatibel ke belakang, pembaruan backend, dukungan model baru, atau penambahan API masuk versi minor. Perbaikan bug tanpa perubahan API masuk versi patch. Bagi pengembang yang membangun aplikasi di atas pustaka ini, angka versi akhirnya memberi tahu apakah sebuah pembaruan bisa merusak integrasi mereka atau tidak.
Rilis 1.0 juga menjadi momen bersih-bersih. Sebanyak 35 fungsi yang sudah lama dinyatakan usang dihapus, bersama pengaturan warmup dan ambang defragmentasi. API speculative decoding NextN dipindah dari header ekstensi ke header publik utama llama.h, sehingga ikut tercakup janji stabilitas. Di sisi inferensi, hadir cache key-value FP8, cache memori host untuk model mixture-of-experts dengan porsi CPU yang bisa diatur, serta dukungan model baru seperti Kimi-K3.1-Pro dan arsitektur teks Ripple dan xing4_0.
BACA JUGA
Untuk llama-server, rilis ini menambal celah server-side request forgery, CORS, dan DNS rebinding, membatasi token HF_TOKEN hanya untuk host huggingface.co, dan membatalkan panggilan tool MCP saat klien terputus. Server ini juga mendapat endpoint audio baru yang kompatibel dengan API OpenAI. Antarmuka webnya ditata ulang dengan grup chat bernama dan editor Markdown pratinjau langsung.
Yang membuat rilis ini penting bukan fiturnya, melainkan posisinya. llama.cpp menjalankan model bahasa multimodal di berbagai perangkat, dari laptop biasa sampai server perusahaan, lewat kuantisasi dan backend yang dioptimasi. Proyek ini mendukung lebih dari 150 varian arsitektur model dan semua metode speculative decoding arus utama. Bagi pengguna di Indonesia, artinya aplikasi AI yang berjalan sepenuhnya di perangkat sendiri, tanpa mengirim data ke server luar dan tanpa biaya langganan cloud, kini berdiri di atas fondasi yang lebih bisa diandalkan. Rilis tersedia untuk Linux, macOS, Windows, Android, dan iOS, lewat Docker, Homebrew, conda-forge, hingga Winget.




