開発レポート

llama.cppが初の安定版v1.0.0に、互換性を壊す変更はメジャー版だけに

ローカルLLM実行の定番llama.cppとggmlが11月13日にv1.0.0を公開しました。今後、公開C APIの互換性を壊す変更はメジャー版でのみ行います。同時に非推奨APIを削除し、FP8のKVキャッシュやサーバーの安全対策も入りました。

手元のPCやサーバーでLLMを動かすための定番ソフト「llama.cpp」と、その土台のテンソル計算ライブラリ「ggml」が、2026年11月13日に初の安定版v1.0.0を公開しました。今後は、公開しているC言語のAPIの互換性を壊す変更を、メジャーバージョンを上げるときにしか行わないと公式ブログで約束しています。llama.cppを自社アプリに組み込んでいる開発者や、各言語向けのバインディング、パッケージの配布担当者に直接関係します。一方、v1.0.0そのものは非推奨APIを一斉に削除した版なので、古い関数を使っているコードは今回の更新で動かなくなります。

なぜ今「1.0」なのか

llama.cppは公開から約3年半で、対応するモデル構造は150種類を超えました。多くのアプリが裏側でこのライブラリを使っており、ブログでは「柔軟で、かつ安定したAPI」が最も重要になったと説明しています。ローカル実行やプライバシーへの関心が高まり、組み込む開発者が増えるほど、更新のたびに何が壊れるか分からない状態は負担になります。

これまでのllama.cppは、b12359のような通し番号のビルドをほぼ毎日出す運用でした。番号から互換性は読み取れず、利用側は更新のたびに変更履歴を確認する必要がありました。2026年8月にリリースとバージョン付けの方針を話し合う場が設けられ、vX.Y.Z形式の正式リリースをv0系として試してきました。今回の1.0.0は、その試行期間を終えて互換性の約束を正式に引き受けるという宣言です。通し番号の開発版ビルドは今後も並行して出ます。

バージョン番号の読み方

採用したのは、番号の上がり方で変更の性質を示すセマンティックバージョニング(SemVer)です。ggml-orgの全プロジェクトに適用されます。対象になるのは、llama.cppのlibllamaとggmlのlibggmlがinclude/フォルダで公開しているC言語のAPIです。

番号のどこが上がると何が起きるか
出典: ggml-org(Hugging Face Blog、2026年11月13日)

ブログには「今後、APIとABI(コンパイル済みの部品同士の取り決め)の非互換はメジャー版の更新で示す」とあります。つまり1.x系のあいだは、作り直さなくても新しいライブラリに差し替えられることが期待できます。

v1.0.0で変わったこと

まず壊れる変更です。非推奨になっていた関数35個とllama_set_warmupが削除され、defrag_tholdパラメーターと--defrag-tholdオプションもなくなりました。llama_set_embd_state_srcはllama_set_ctx_state_srcに改名されています。投機的デコード(小さな下書きで生成を速める手法)向けのNextN APIは内部用のllama-ext.hから正式なllama.hへ移り、画像処理のclip.hはmtmdに統合されて消えました。

新機能では、KVキャッシュ(生成中の文脈を保持するメモリ)をFP8で持てるようになりました。-ctk f8_e4m3 -ctv f8_e4m3で指定します。F16と比べてビット数が半分なので、理屈の上ではキャッシュの量を約半分にでき、長い文脈を扱うときのメモリ不足を和らげる選択肢になります。MoE(専門家の一部だけを動かすモデル構造)向けには、専門家の重みをホスト側メモリにキャッシュし、CPUで処理する割合をmoe_cache_cpu_shareで調整できる仕組みが入りました。このほか、OpenAI互換の音声合成エンドポイント/v1/audio/speech、Webの画面の作り直し、WindowsでのOSのバッファーを介さないモデル読み込みなどがあります。

付属のサーバーllama-serverでは安全対策が強化されました。認証なしでのツール実行と、プライベートなURLからのメディア取得は、--allow-unauthenticated-toolsと--media-allow-private-urlsを指定したときだけ有効なオプトインになりました。DNSリバインディングやCORSプロキシ経由のSSRF(サーバーに内部向けの通信をさせる攻撃)への修正も入り、HF_TOKENはhuggingface.co宛てにしか送られなくなっています。

日本の読者にとって

社外にデータを出せない業務文書をローカルLLMで扱う、という使い方は国内でも増えています。こうした用途では、llama.cppを直接組み込むか、llama.cppを内部で使うアプリやライブラリを経由することが多いと考えられます。今回の約束で、組み込み側は「1.x系に固定し、メジャー更新のときだけ改修を計画する」という運用ができるようになります。社内システムの更新計画を立てやすくなる点が一番の変化です。

一方で、社内LANでllama-serverを立てて複数人で共有している場合は注意が必要です。認証なしのツール実行などに頼った構成だと、更新後に動きが変わる可能性があります。新しいオプションを付ける前に、その機能が本当に必要か、外から到達できないかを確かめる機会にしたいところです。

なお、新しいオープンモデルの多くは公開当日からllama.cppに対応します。LiquidのLFM2.5-24B-A2Bの記事のように、GGUF形式で手元に試せるモデルを選ぶ際も、今後はllama.cppの対応バージョンを番号で確認できるようになります。

まだはっきりしないこと

ブログが互換性を約束しているのはinclude/のC APIです。コマンドラインのオプションやサーバーのHTTP APIがどう扱われるかは、ブログには書かれていません。8月からの議論では、推論エンドポイント(補完や埋め込み)を壊す変更はメジャー、ツールやサーバー周辺の変更はマイナーかパッチ、という案が出ていますが、作業中の方針という位置付けです。実際に--defrag-tholdは今回削除されています。通し番号ビルドと正式版の対応関係も、ブログには記載がありません。

次にやることは三つです。

  • llama.cppを組み込んだコードで、削除・改名された関数(llama_set_warmup、llama_set_embd_state_srcなど)を検索し、依存を1.x系に固定する
  • llama-serverを運用しているなら、新しいオプトインのオプションが必要かどうかを確認してから更新する
  • 長い文脈でメモリが足りない環境では、FP8のKVキャッシュを試し、精度と速度を手元のタスクで比べる

出典

関連記事

開発レポートの記事 →