llama.cpp b11065：为 Gemma 4 调优 CUDA Flash Attention

原标题：b11065

llama.cpp Releases一手来源开源质量 62

AI 摘要

llama.cpp 发布 b11065 版本，主要变更为针对 Gemma 4 在 Ampere 及更新架构 GPU 上调整 Flash Attention（FA）的 CUDA 实现（PR #29152）。该版本同时提供覆盖 macOS/iOS、Linux、Windows、Android 及 openEuler 的多平台预编译二进制包，支持 CUDA、Vulkan、ROCm、SYCL、OpenVINO 等多种后端。

以上摘要由 AI 生成，可能存在误差。事实请以原文为准。

正文节选

<details open> CUDA: tune FA for Gemma 4 on Ampere or newer (#29152) </details> **Website:** - <https://llama.app> **Attestations:** - <https://github.com/ggml-org/llama.cpp/attestations/48802880> **macOS/iOS:** - [macOS Apple Silicon (arm64)](https://github.com/ggml-org/llama.cpp/releases/download/b11065/llama-b11065-bin-macos-arm64.tar.gz) - macOS Apple Silicon (arm64, KleidiAI enabled) [DISABLED](https://github.com/ggml-org/llama.cpp/pull/23780) - [macOS Intel (x64)](https://github.com/g

发布时间：2026-09-21 05:52

抓取时间：2026-09-21 06:01

来源机构：ggml-org

阅读原文github.com