llama.cpp b11062：CUDA 为 qwen4 启用稀疏 flash attention

原标题：b11062

llama.cpp Releases一手来源开源质量 58

AI 摘要

llama.cpp 发布 b11062 版本，主要变更是为 qwen4 在 CUDA 后端启用稀疏 flash attention（sparse fa），对应 PR #28770。该版本同时提供覆盖 macOS/iOS、Linux、Android、Windows 及 openEuler 的多平台预编译二进制，包含 CUDA 12/13、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: enable sparse fa for qwen4 (#28770) </details> **Website:** - <https://llama.app> **Attestations:** - <https://github.com/ggml-org/llama.cpp/attestations/48739244> **macOS/iOS:** - [macOS Apple Silicon (arm64)](https://github.com/ggml-org/llama.cpp/releases/download/b11062/llama-b11062-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/ggml-org/llam

发布时间：2026-09-20 17:46

抓取时间：2026-09-20 18:15

来源机构：ggml-org

阅读原文github.com