llama.cpp 1.0.0はローカルで大規模モデルを動かすための推論エンジンであり、チャットアプリでもモデルそのものでもありません。2026年11月13日にリリースされた1.0.0の最大の変更点は、バージョンへの約束です。今後、公開C APIの破壊的変更はメジャーバージョンアップ、互換性のある新機能はマイナーバージョンアップ、バグ修正はパッチバージョンアップで行われます。初心者はコンパイルを急ぐ必要はありません。まず自分に合った使い方を見極めてから、アップグレードするかどうかを決めましょう。
初心者がまず押さえるべき3つのこと
- 役割はモデルを「動かす」ことだけです。チャットをしたいなら、llama-serverやllama.app、OllamaやLM Studioのような上位ツールと組み合わせる必要があります。エンジンだけをダウンロードしてもチャットはできません。
- モデルはGGUF形式である必要があります。llama.cppが動かすのはGGUF形式のモデルファイルで、どんな重みファイルでもそのまま使えるわけではありません。ダウンロード前に形式を確認しましょう。
- 1.0.0は「安定版の約束」であり、「高速化」ではありません。速度向上はうたわれていないので、性能目当てでアップグレードするのはやめましょう。まず下の削除点が自分に影響するかどうかを確認してください。
アップグレード前に確認すべき2つの削除点
1.0.0では、非推奨となっていた35個の公開関数とllama_set_warmup、さらにdefrag_tholdと--defrag-thold起動オプションが削除されました。古い起動スクリプトを使い続けている場合や、APIを直接呼び出すコードを書いたことがある場合は、まずこれらの名前が含まれていないか検索してください。見つかったら修正が必要です。修正しないままアップグレードすると、そのままエラーになります。NextNの推測デコーディングAPIはllama-ext.hからメインのヘッダーファイルllama.hへ移行したため、開発者は参照先を更新してください。新機能としては、OCP FP8 KVキャッシュ、ホストメモリ上のMoEエキスパートキャッシュ、外部PLEシャード読み込みが追加され、Kimi-K3.1-Proなどの新しいアーキテクチャにも対応しました。llama-serverにはOpenAI互換の/v1/audio/speechエンドポイントが追加され、CORSやDNSリバインディングなどのセキュリティ問題も修正されています。
初心者におすすめの始め方3通り
- いちばん手軽な方法：プリビルド版またはllama.appを使うことです。1.0.0のプリビルド版はLinux、macOS、Windows、Android、iOSに対応し、Docker、Homebrew、conda-forgeなどからも入手できるため、自分でコンパイルする必要はありません。
- サービスとして使いたい場合：llama-serverを起動します。OpenAI互換のインターフェースが公開されるので、自分のチャット画面とつなげられます。
- 自分で改造したい場合：GitHub上のggml-orgのllama.cppリポジトリからソースコードを取得してコンパイルします。開発者向けの方法で、一般ユーザーには必要ありません。
1.0.0はリリースされたばかりで、古いバインディングやスクリプトの対応には時間がかかります。本番環境では最初のアップグレードを急がず、まずテスト用のマシンで動作を確認してから切り替えましょう。Web UIも大きく変わりました。サイドバーは折りたためるようになり、チャットをグループ分けできるようになりました。画面が変わったからといって使い方がすべて変わったわけではないので、まずはこれまでの感覚で入口を探し、見つからなければ新しいレイアウトを確認してください。
