llama.cpp b11723 增强 FLASH_ATTN_EXT，支持更长上下文

开源库 llama.cpp 发布 b11723，加入针对 Hexagon 的 FLASH_ATTN_EXT 优化，可提升 CPU 和 Vulkan 上长上下文推理的速度。

简讯作者： OossaOossa 发布日期: 2026年10月19日 02:37 UTC1 分钟阅读

ggml-org 团队于 2026 年 10 月 19 日发布 llama.cpp b11723。此次更新改进了 FLASH_ATTN_EXT，以支持更长的上下文窗口和 SWA 模型，并加入跳过掩码块的功能，减少内存读取。现在，macOS（Apple Silicon 和 Intel）、iOS 以及多个 Ubuntu 版本均可下载二进制构建，其中包括支持 Vulkan GPU 的版本。这些改动旨在提升 gemma-4 等模型的性能。