# llama.cpp b12549 修复 Inkling2 注意力处理问题

> 此次更新为 Inkling2 增设专用的相对位置注意力输入，并修复 LFM2、LFM3 等混合记忆模型的掩码复用问题。

Oossa · 2026-11-19 · https://oossa.com/zh/llama-cpp-b12549-fixes-attention-handling-for-inkling2

ggml-org 团队发布了 llama.cpp b12549，修复了项目支持的模型 Inkling2 的注意力掩码处理问题。此次更新为 Inkling2 增设专用输入，可基于同一组单元生成密集注意力掩码和相对位置偏置。更新还修复了混合记忆模型的掩码构建问题；该问题会导致模型无法在统一缓存和 Flash Attention 下复用计算图，受影响的模型包括 LFM2、LFM3 和 Inkling2。此外，此版本允许将 Inkling2 的专家权重缩放值和最终 logits 的 softcap 设为零。

## 事实

- 版本：llama.cpp b12549，发布于 2026 年 11 月 19 日。
- 掩码复用修复适用于混合记忆模型 LFM2、LFM3 和 Inkling2。

## 为什么重要

对于在 llama.cpp 中运行这些混合记忆模型的用户，此次修复解决了统一缓存和 Flash Attention 下无法复用计算图的问题；发布说明未量化任何性能提升。

## 来源与参考

1. [ggml-org/llama.cpp b12549](https://github.com/ggml-org/llama.cpp/releases/tag/b12549) – llama.cpp, 2026-11-19

最后更新: 2026-11-19
