# llama.cpp v0.6.0：支援 GLM-5.3-Flash、新增決策模型 API 與更快的 Metal 核心

> 地端世界 · https://onpremworld.com/zh-tw/news/2026-10-llama-cpp-v0-6-0 · CC BY 4.0

發布日期：2026-10-05 · 執行環境與工具

llama.cpp 在 10 月 5 日發布 v0.6.0，這是每日建置之外的正式編號版本。新版支援 Z.ai 的 320B GLM-5.3-Flash 與 Clef 決策模型，為 Qwen4Exp 架構的模型加入多 token 預測推測解碼（在 DGX Spark 上解碼約快 1.5 倍），並在伺服器新增決策模型用的 /v1/systemone 端點。Apple GPU 方面，新增針對 F16 KV 快取的 flash attention 核心，以及在推測解碼與批次解碼時最多快約 3 倍的矩陣乘法核心。內建網頁介面也改版，圍繞 Hugging Face 模型下載重新設計。

## 對地端使用者的意義

Qwen3.8-Flash-Next（屬於 Qwen4Exp 架構）與 GLM-5.3-Flash 現在都能以 GGUF 檔執行，內建 llama.cpp 的應用程式更新後也會跟著受惠。

## 來源

[llama.cpp v0.6.0 release notes (GitHub)](https://github.com/ggml-org/llama.cpp/releases/tag/v0.6.0)

## 本站相關頁面

- 模型：[Qwen3.8-Flash-Next](https://onpremworld.com/zh-tw/models/qwen3.8-flash-next.md)
- 硬體：[DGX Spark](https://onpremworld.com/zh-tw/hardware/nvidia-dgx-spark.md)

[所有新聞](https://onpremworld.com/zh-tw/news.md)

摘要由地端世界依官方來源撰寫，附上原文連結，不轉載原文。