llama.cpp 与 ggml 正式发布 v1.0.0：3.5 年来首个大版本，C API 改用语义化版本、破坏性变更必升主版本；同时移除 35 个废弃函数，新增 FP8 KV 缓存、MoE 专家缓存与 /v1/audio/speech

核心背景与行业痛点

llama.cpp 是本地跑大模型最常用的推理引擎之一，很多桌面应用、量化工具和语言绑定都建在它之上。项目开源 3.5 年来一直按 b12xxx 这样的构建号发版，没有承诺 API 稳定，下游经常要追着接口变化改代码。ggml-org 在博客里说，接入的开发者越来越多，稳定而灵活的 API 已经成为头等大事。

架构亮点与底层机制

这次 llama.cpp（libllama）和 ggml（libggml）同时进入 v1.0.0，并采用语义化版本：./include 下公共 C API 出现不兼容变更就升主版本，新功能、后端和模型支持升次版本，纯修复升补丁版本。v1.0.0 自身先做了一次清理，移除 35 个废弃函数，把 NextN/投机解码 API 并入 llama.h；同时新增 FP8 KV 缓存、带 CPU 分担比例的 MoE 专家缓存，以及 Kimi-K3.1-Pro、Ripple-65B-Preview、drama-3 TTS 等模型支持。

权威 Benchmark 与实测跑分对比

官方这次没有公布性能跑分。可核实的数字有：项目历时约 3.5 年、支持 150+ 种架构变体、移除 35 个废弃函数；Georgi Gerganov 的发布帖约 4,180 赞、31 万浏览。

开发者实战落地与开箱指南

直接用 llama-server 或桌面应用的用户可以正常升级。把 libllama 嵌进自己产品的团队，要先检查是否调用了被移除的函数和改名的接口，然后把依赖锁到 1.x，之后小版本可以放心跟进。暴露在网络上的 llama-server 建议尽快升级，以获得 SSRF、CORS 和 DNS rebinding 防护。