llama.cpp b11178：修复 MUSA/MTT S5000 算子失败与构建问题

AI 摘要

llama.cpp 发布 b11178 版本，集中修复 MUSA 后端（摩尔线程 MTT S5000 / PH1）的多个问题。改动包括：让 MUSA 使用 16 字节拷贝、启用 CUB 路径、采用上游代码路径、移除多余编译期守卫、在 PH1 上禁用 MMQ 路径，并修复 fused TOPK_MOE 内核在 MUSA 上的死锁。修复后 27B 模型困惑度从 nan 变为有限值，测试套件 22237 个用例 0 失败，FlashAttention 与 ARGSORT/TOP_K 等算子性能与支持度提升。

正文节选

<details open> musa: fix PH1 (MTT S5000) operator failures and build issues (#29193) * musa: use 16-byte copies for MUSA like sm_70+ ggml_cuda_get_max_cpy_bytes() derives the copy width from __CUDA_ARCH__. mcc never defines it, so MUSA fell into the generic branch and returned 8 bytes instead of the 16 bytes that every sm_70+ target gets. The value sizes the per-thread copy unit of the FlashAttention K/V staging code (fattn-common, fattn-vec, fattn-tile, fattn-mma-f16 shared-memory loads) and

发布时间：2026-09-25 19:16

抓取时间：2026-09-25 20:02

来源机构：ggml-org