2026年11月13日，开源推理引擎 llama.cpp 在 GitHub 发布 1.0.0 版，连同底层张量库 ggml 一起迈入 1.0 时代。项目从 2023 年 3 月起跑了三年半的提交号版本，这次第一次给出语义化版本号，并承诺：公开 C API 的破坏性改动只会跟着大版本号走。对 Ollama、LM Studio 这些建在它之上的本地 AI 应用来说，这是一份迟到的稳定契约。
1.0 到底改了什么
版本号本身就是这次最大的改动。按项目公布的规则，大版本号只对应公开 C API 的破坏性变化，小版本加向后兼容的功能与新模型支持，补丁号只修问题。1.0 借着这个节点做了一次清理：删掉 35 个已废弃函数，连同 llama_set_warmup 预热设置与碎片整理阈值选项一起拿掉，NextN 推测解码 API 则扶正进了主头文件 llama.h。新增的东西也围绕推理成本打转：FP8（f8_e4m3）KV 缓存省显存，主机内存 MoE 专家缓存让 CPU 分担一部分专家权重，服务器还内置了兼容 OpenAI 格式的 /v1/audio/speech 语音合成接口，并顺手加了对月之暗面 Kimi K3.1 的支持。llama-server 的安全也收紧了，堵上了 SSRF 与 DNS 重绑定这两处隐患。
对本地跑模型的人意味着什么
普通用户升级基本无感：预编译包照常在 GitHub 发布页、Docker、Debian、Homebrew、conda-forge、MacPorts、Winget 这些渠道提供，仓库已有约 13.5 万星，MIT 协议也没变。真正的变化在开发者那头：1.0 不是无痛升级，调用了被删的 35 个废弃函数的代码会在编译时直接报错，升级前得先扫一遍自己的调用。反过来，一旦跨过这道坎，以后小版本升级就不用再担心接口悄悄变了——这正是本地 AI 工具链最缺的东西：Ollama、LM Studio 背后是同一套引擎，引擎稳了，上层应用才敢把精力放在体验上，而不是天天追接口变化。
想尝鲜可以直接去 GitHub 发布页拿对应平台的预编译包，或用包管理器安装；从源码构建就拉 v1.0.0 标签。升级前先确认自己的程序有没有用到已废弃接口，尤其是集成了 llama.cpp 的老项目，别在生产环境里直接覆盖。
