llama.cpp v0.7.0 發布：新增 MoE 專家 GPU 快取（解碼最高約 2.2 倍）與 LiliCorr 推測解碼，並擴充多款模型支援

llama.cpp 發布 v0.7.0，主要新增主機記憶體 MoE 專家的 GPU 快取（參數 `--moe-cache-mib`），專家從 LRU 快取在 GPU 上執行，卸載專家時解碼速度最高約提升 2.2 倍，多 GPU 下也可共用此快取（PR #29887、#30112）。推測解碼方面，新增基於 DFlash 的 LiliCorr 技術，以小型草稿 Transformer 進行候選選擇；GLM5-Next 則支援 MTP 推測解碼並加入最佳化的稀疏注意力路徑（PR #30506、#29928）。 模型支援大幅擴充，包括 K2 Horizon（dense 與 MoVA 兩種變體）、Prism Bonsai 2 27B 三元模型、EmbeddingGemma-2（文字、視覺、音訊嵌入）、MiniCPM-V 4.7、Nemotron Super 3.5 VL 與 Nemotron Bolt 74B A9B、maion-coder 架構，以及 LiquidAI d1-3B、d1-omni-600M、vLLM decision 2 與 d3、pplx-decider 等決策模型。RPC 伺服器也支援 `-sm tensor` 張量並行（RPC 協定升至 v8）。 伺服器端，聊天層以 `common_chat_session`（含 `feed()` 與 `finish()`）重構，格式化輸出改為 parts 陣列，並預設監聽埠 9931（先前為 8080；Docker 映像檔內部仍維持 8080）。網頁介面新增完整模型管理器，ggml 更新至 v0.27.0。 以上資訊來自單一來源（GitHub 發布頁），官方未另提供佐證；2.2 倍為專家卸載情境下的最高值，實際加速依硬體與模型而異。