Update to llama.cpp 2026-01-01

- Update llama.cpp submodule (2025-08-14 → 2026-01-01)
- Remove deprecated KV cache functions (use llama_memory_* instead)
- Remove llama_sampler_init_softmax (deprecated)
- Add LLAMA_ROPE_TYPE_IMROPE constant
- Add llama_flash_attn_type enum (AUTO/DISABLED/ENABLED)
- Add llama_params_fit_status enum
- Add llama_model_meta_key enum for sampling metadata
- Add llama_model_params fields: no_host, no_alloc
- Replace llama_context_params.flash_attn bool with flash_attn_type enum
- Add 15 new API functions:
  - llama_max_tensor_buft_overrides
  - llama_n_ctx_seq
  - llama_model_n_embd_inp
  - llama_model_is_hybrid
  - llama_flash_attn_type_name
  - llama_model_meta_key_str
  - llama_adapter_meta_* functions (5)
  - llama_log_get/set
  - llama_memory_breakdown_print
- Add ggml_log_callback typedef
- Disable LLAVA build (CMake incompatibility in upstream mtmd)
- Bump version 0.3.16 → 0.4.0

Breaking changes:
- flash_attn bool removed, use flash_attn_type enum
- KV cache functions removed, use llama_memory_* API

Tested with Nemotron-3-Nano-30B hybrid model.

Author: Ralf Waldukat

CMakeLists.txt

@@ -3,7 +3,7 @@ cmake_minimum_required(VERSION 3.21)
 project(llama_cpp)
 
 option(LLAMA_BUILD "Build llama.cpp shared library and install alongside python package" ON)
-option(LLAVA_BUILD "Build llava shared library and install alongside python package" ON)
+option(LLAVA_BUILD "Build llava shared library and install alongside python package" OFF)
 
 function(llama_cpp_python_install_target target)
     if(NOT TARGET ${target})

llama_cpp/__init__.py

@@ -1,4 +1,4 @@
 from .llama_cpp import *
 from .llama import *
 
-__version__ = "0.3.16"
+__version__ = "0.4.0"