llama.cpp 是一套用 C/C++ 编写的本地推理库，许多桌面和服务器上的开放模型工具都建立在它的公开接口上。11 月 13 日，ggml-org 把 llama.cpp 和底层张量库 ggml 一起发到了 v1.0.0。GitHub 上的发布时间是 10:20 UTC，北京时间当天 18:20。
维护者强调的是一套更清楚的版本约定：以后再出现公开 C API 或 ABI 不兼容，会提升主版本号。
3.5 年之后，版本号开始承担承诺
Hugging Face 上的项目博文写，llama.cpp 已经发展了 3.5 年，目前支持超过 150 种模型架构变体，以及主流的推测解码方法。随着下游应用增多，开发者对稳定接口的依赖也在变重。
在 10 月 15 日的准备讨论里，维护者 ggerganov 把升到 v1.0.0 的主要目标说成：清掉公开 API 里的历史包袱，例如删除大多数已弃用接口。他同时写明，过去在 v0 阶段也曾做过破坏性变更，但没有严格体现在版本号上；从现在起会更严格，主版本号更新也可能比走到 1.0 所花的时间更频繁。
对下游来说，v1.0.0 的意义是把不兼容变更清楚记进版本号，接口并未就此锁死。
以后怎么看版本号
博文给出的规则适用于 ggml-org 下开始采用语义化版本的项目：主版本号对应 ./include 里公开 C API 的破坏性变更，次版本号对应向后兼容的功能、后端更新、新模型支持或 API 增加，修订号对应不改 API 的缺陷修复。
两个库同步到了 1.0.0：负责语言模型推理的 libllama，以及底层的 libggml。公开头文件分别在 llama.cpp/include/ 和 ggml/include/。
对已经链进这些库的下游项目来说，升级到 1.0.0 需要先处理被删除的旧接口；之后则可以按主版本号判断该不该跟着升级。
这次删了什么，又加了什么
发行说明列出的破坏项很具体。llama.h 删除了 llama_set_warmup、另外 35 个已弃用函数，以及 defrag_thold 和对应的命令行选项 --defrag-thold。原先放在 llama-ext.h 里的 NextN 接口（与推测解码相关）被提升进 llama.h，llama_set_embd_state_src 则改名为 llama_set_ctx_state_src。ggml 1.0.0 同样删掉了已弃用的公开 API，以及旧的 DIAG_MASK 运算。
功能侧，发行说明里对本地部署影响更直接的几项包括：键值缓存支持 OCP FP8（f8_e4m3）；为混合专家模型增加可把未命中专家放到主机内存、并设定 CPU 分担比例的缓存；以及从单独的 GGUF 分片加载外部 PLE 或 engram 权重。自带的 llama-server 修补了 SSRF、CORS 和 DNS 重绑定等相关问题，客户端断开或超时时会取消 MCP 工具调用，并新增了与 OpenAI 兼容的 /v1/audio/speech 接口。这一版也加入了若干新架构，例如 Kimi-K3.1-Pro、Ripple、xing4_0，以及 drama-3 语音合成。
发行说明还列举了 CUDA、Metal、Vulkan、SYCL、OpenCL、WebGPU 等后端上的性能工作。这些是工程变更记录，本轮没有统一的第三方跑分，不宜据此排速度名次。
安装渠道已经铺开，升级仍要核对接口
项目同时列出了更多分发渠道，包括 Linux、macOS、Windows、Android 和 iOS 的预发布构建，以及 Docker、Debian、Homebrew、conda-forge、MacPorts、Winget 和面向 Apple 平台的 XCFramework。持续集成得到了 NVIDIA、AMD、Qualcomm、Arm、IBM 和 Intel 提供的硬件支持，并使用 Hugging Face 的 Buckets 和 Jobs 来扩大测试容量。
对只通过命令行或图形界面使用 llama.cpp 的人，v1.0.0 更像一次常规功能更新。对把 libllama 或 libggml 链进自己软件的开发者，先看迁移说明、再决定何时跟进主版本号，会比把 1.0.0 理解成可以长期不再改接口更稳妥。
