llama.cpp b12090 修復 zDNN 後端 fattn 測試失敗
llama.cpp 發布建置 b12090，唯一程式碼改動是修復 ggml-zdnn 後端的 flash attention 測試失敗（#31583）。該版本同步放出覆蓋 macOS/iOS、Linux、Windows、Android 與 openEuler 的預編譯包，包含 CUDA 12.8/13.4、ROCm 10.0、Vulkan、SYCL、OpenVINO 以及驍龍 CPU/Adreno GPU/Hexagon NPU 版本；
原標題：b12090
閱讀原文
| 評分 | 35 / 40（平均 37，門檻 60） |
|---|---|
| 狀態 | 未入選 |
原文
相關報導
llama.cpp 為 IBM Z 的 ggml-zdnn 後端加入 flash attention
llama.cpp 建置 b11759 為 ggml-zdnn 後端新增 flash attention 運算元（fattn），並去掉原有的 scratch slots，改用 scratch buffer pool 統一管理臨時緩衝，文件也補上了關於 fattn 的說明。該後端面向 IBM Z 的 s390x 平台，本次改動隻影響使用 zDNN 加速的建置。
llama.cpp b12054：ggml-zdnn 與主機共享緩衝區
llama.cpp 發布 b12054 建置，合併的主要變更是 ggml-zdnn 後端改為與主機共享緩衝區，該後端用於 IBM s390x 上的 zDNN 加速。同批建置仍提供 Ubuntu、Windows、Android、macOS 的預編譯包，覆蓋 CUDA 12/13、ROCm 10.0、Vulkan、SYCL、OpenVINO、OpenCL Adreno 及 Snapdragon CPU/Adreno GPU/Hexagon NPU。
llama.cpp 發布 b11719，調整 CUDA fattn 越界檢查
llama.cpp 發布建置 b11719，本次唯一一項程式碼改動來自 PR #30572：ggml-cuda 的 fattn（flash attention）在 k_VKQ_max 等於 k_VKQ_max - nbatch_fa 時不再做越界檢查，只涉及 CUDA 後端的 flash attention 計算路徑。
llama.cpp 發布 b11424，修復 Vulkan Flash Attention 共享記憶體越界寫
llama.cpp 發布 b11424 建置版本，修復 Vulkan 後端 Flash Attention 的共享記憶體越界寫問題（#29988）。該版本照例提供 macOS/iOS、Linux、Windows、Android 的預編譯包，涵蓋 Vulkan、CUDA 12/13、ROCm 10.0、OpenVINO、SYCL、OpenCL 等後端，並附驍龍 CPU/Adreno GPU/Hexagon NPU 的安裝指引。
llama.cpp b12003：SYCL 後端 FLASH_ATTN_EXT 失敗待修
llama.cpp 發布建置版本 b12003，已知問題是 SYCL 後端的 FLASH_ATTN_EXT 出現失敗（issue #30761）。該版本仍覆蓋 macOS/iOS、Linux、Android、Windows 與 openEuler，包含 CUDA 12/13、ROCm 10.0、Vulkan、OpenVINO、SYCL，以及 Snapdragon 的 CPU、Adreno GPU 與 Hexagon NPU 建置。