llama.cpp b10907：修复多架构 MTP 上下文 KV cache 分配

原标题：b10907

llama.cpp Releases一手来源开源质量 65

AI 摘要

llama.cpp 发布 b10907 版本，主要修复了 deepseek2、glm4moe、cohere2moe 等架构下 MTP（多 token 预测）上下文的 KV cache 分配问题，并新增了反向架构门控与针对 MTP 层过滤的架构测试。该版本同时提供 macOS、Linux、Windows、Android 等多平台预编译二进制包。

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> model : fix MTP context kv cache allocation for deepseek2, glm4moe, … (#28630) * model : fix MTP context kv cache allocation for deepseek2, glm4moe, cohere2moe architectures (#28626) * model: add inverse architecture gating and comprehensive architecture testing for mtp layer filtering * model : slim NextN filter comment, drop test-llama-archs changes </details> **Website:** - <https://llama.app> **Attestations:** - <https://github.com/ggml-org/llama.cpp/attestations/468322

发布时间：2026-09-11 19:10

抓取时间：2026-09-11 19:25

来源机构：ggml-org

阅读原文github.com