llama.cpp、1.0到達　3年半で「安定API」を約束

ローカルAIソフトの多くが土台に使うオープンソースの推論エンジン「llama.cpp」が11月13日、バージョン1.0.0に到達した。演算を担うテンソルライブラリ「ggml」も同日に1.0.0を公開した。ハギングフェイスのggml-orgチームは、開始から約3年半での節目とともに、今後は公開インターフェースを壊す変更をメジャーバージョンの引き上げで示すと約束した。

ポイント

• libllamaとlibggmlの2つのライブラリがv1.0.0からセマンティックバージョニングを採用し、番号を見るだけで更新が既存コードを壊すかどうか判断できるようになった。
• 非推奨の関数35個を削除し、FP8のKVキャッシュ、MoEモデル向けのホストメモリキャッシュ、新モデル対応を加えた。
• llama.cppは150を超えるアーキテクチャのバリエーションに対応し、DockerからWingetまで8つの経路で配布される。

llama.cpp 1.0が開発者に約束したこと

llama.cppはこれまでビルド番号中心で版を管理しており、直前の番号付きリリースはllama.cpp v0.9.0とggml v0.29.0だった。チームは発表で「多くの下流アプリケーションがすでに我々の成果に依存している」とし、「柔軟でありながら安定したAPIが何より重要だ」と述べた。

チームは、両ライブラリともAPIとABIの非互換をこの方式で反映し、利用が広がるにつれてその境界を「より厳格に」示していくとしている。

v1.0.0のリリースノートで何が変わったか

llama.cppのリリースノートによると、安定性の約束に先立ち整理が行われた。プルリクエスト30565はllama_set_warmupと非推奨関数35個、defrag_tholdオプションを削除し、NextNの投機的デコーディングAPIをメインヘッダーのllama.hに移した。

新機能はFP8のKVキャッシュと、CPUの分担比率を設定できるMoE(混合エキスパート)モデル向けのホストメモリ・エキスパートキャッシュである。テキストモデルのKimi-K3.1-Pro、Ripple-65B-Preview、xing4_0に加え、音声合成のdrama-3と2つの視覚モデルにも新たに対応した。

内蔵サーバーのllama-serverは、CORS、DNSリバインディング、サーバーサイド・リクエスト・フォージェリ(SSRF)に関する修正を受け、クライアントの切断時にはMCPツールの呼び出しを取り消す。OpenAI互換の/v1/audio/speechエンドポイントも加わった。ウェブ画面には名前付きのチャットグループと、リアルタイムプレビュー付きのMarkdownエディターが入った。

ggml 1.0.0のノートには、FP8対応、YaRNの切り捨て設定、アップルのMetalでのDeepSeek-V4・V4.1向けMoEルーティング融合などが並ぶ。

安定版がローカルAIにもたらす意味

プロジェクトによると、llama.cppは150を超えるアーキテクチャのバリエーションと主要な投機的デコーディング手法のすべてに対応する。CIはエヌビディア、AMD、クアルコム、Arm、IBM、インテルのハードウェア支援を受けたセルフホスト環境で動いている。

配布は5つのOS向けプレリリース成果物と、Docker、Debian、Homebrew、conda-forge、MacPorts、Winget、XCFrameworkで行われる。

今後の見通し

本当の試金石は次の互換性破壊の変更だ。チームが規則を守れば、公開C APIから何かを外す変更は通常の更新ではなくv2.0.0として出ることになる。llama.cppをリンクして使う開発者は、まずプルリクエスト30565で削除された関数を確認するとよい。

よくある質問

llama.cppはAIモデルなのか。
違う。主にGGUF形式のモデルを手元の機器で動かす推論エンジンである。

1.0.0に上げるにはコードの修正が必要か。
llama_set_warmupなど、プルリクエスト30565で削除された関数を使っている場合に限って修正が必要だ。

参考資料

• llama.cpp v1.0.0 : A stronger foundation for the local AI ecosystem — Hugging Face(2026年11月13日)
• Release v1.0.0 · ggml-org/llama.cpp — GitHub(2026年11月13日)
• Release v1.0.0 · ggml-org/ggml — GitHub(2026年11月13日)