llama.cpp b11496：SYCL 模型載入改用 pinned ring buffer
llama.cpp 發布 b11496，SYCL 後端的模型載入（bulk uploads）改為通過 pinned ring buffer 分階段上傳（PR #29608），主要影響使用 Intel SYCL 後端的使用者。
原標題：b11496
閱讀原文
| 評分 | 40 / 42（平均 41，門檻 60） |
|---|---|
| 狀態 | 未入選 |
原文
相關報導
llama.cpp 發布 b11462，含 SYCL fattn 緩衝區清理
llama.cpp 發布 b11462 建置，本次合併的主要改動是 SYCL 後端的 fattn_kv_buffers 清理（#27689）。該版本繼續提供 macOS/iOS、Linux、Android、Windows、openEuler 的預編譯包，覆蓋 CUDA 12/13、ROCm 10.0、Vulkan、OpenVINO、SYCL，以及驍龍平台的 CPU、Adreno GPU 與 Hexagon NPU。
llama.cpp 發布 b11491：清理 SYCL 標頭檔案重複的 block-size 定義
llama.cpp 發布 b11491，主要變更是移除 SYCL 運算元標頭檔案中重複的 block-size 定義，這些數值與 ggml/src/ggml-sycl/presets.hpp 裡的定義完全重複（PR #29507），屬清理性改動。
llama.cpp 發布 b11565：SYCL 後端 DMMV 行尾讀取加保護
llama.cpp 發布 b11565 建置，主要改動是為 SYCL 後端的 DMMV 在行尾加上讀取保護，修復越界讀取（PR #29338）。這批預編譯產物同時更新了平台矩陣：macOS Apple Silicon 啟用 KleidiAI 的版本與 openEuler 兩項被標記為 DISABLED；macOS 與 iOS 另提供 Intel x64 與 XCFramework 產物；
llama.cpp SYCL 為 GLM MLA 預填充接入 MKL，pp8192 提速 2.99 倍
llama.cpp 的 SYCL 後端放行了 GLM-4.7 Flash 的 MLA 形狀走 MKL flash attention，此前該形狀因 K/V 寬度不一致、head dim 上限 512 被排程器拒絕，預填充只能回退到更慢的 TILE kernel。在 Intel Arc Pro B70 上，pp8192 從 432.80 提升到 1292.29 tok/s（2.99 倍，+198.6%），tg256 在噪聲範圍內基本不變（45.67 對 45.65）。
llama.cpp 修復 SYCL 混用不同型號 GPU 的 FA 問題
llama.cpp 合併 PR #29071，修復 SYCL 後端在 Flash Attention（FA）中混用不同型號 GPU 時出現的問題。改動位於 ggml/src/ggml-sycl/ggml-sycl.cpp，提交由 Georgi Gerganov 共同署名。該修復包含在版本 b11464 中，此版本同時提供 Ubuntu x64（SYCL FP32、FP16）與 Windows x64（SYCL）等建置。