# llama.cpp b11866 移除旧版 Metal 缩放步骤

> 此次更新将专家 token 缩放移入计算图，因此移除了 Metal 归约内核和暂存缓冲区。发布说明未提供性能数据。

Oossa · 2026-10-24 · https://oossa.com/zh/llama-cpp-b11866-removes-an-older-metal-scaling-step

ggml-org 团队发布的 llama.cpp b11866，移除了混合专家模型所用 Metal 矩阵乘法内核中的二次幂缩放步骤。项目方表示，现在计算图会对每个专家 token 进行缩放，从而确保下投影激活值在运算前处于 f16 支持的范围内。

这一改动还移除了两阶段归约内核、相应的暂存缓冲区和 f32 调度路径，以及针对输入超出 f16 范围情况的测试。此次发布列出了适用于 Apple Silicon macOS 及许多其他平台的构建版本，但没有提供速度或精度测量结果。

## 事实

- 版本：b11866，发布日期为 2026-10-24。
- 此次发布移除了 Metal 归约内核、暂存缓冲区和 GGML_PREC_F32 调度路径。

## 为什么重要

对于在 Metal 上运行混合专家模型的 llama.cpp 用户来说，内核现在依赖计算图更早执行的缩放操作；发布说明没有说明这是否会影响速度或输出质量。

## 来源与参考

1. [ggml-org/llama.cpp b11866](https://github.com/ggml-org/llama.cpp/releases/tag/b11866) – llama.cpp, 2026-10-24

最后更新: 2026-10-24