返回全部动态
llama.cpp b11446：修复 Metal 量化 flash attention 线程组内存问题
原标题：b11446
AI 摘要
llama.cpp 发布 b11446 版本，主要修复了 Metal 后端在量化 flash attention 中线程组内存超额分配的问题（PR #29340）。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，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> metal : fix excess threadgroup memory in quantized flash attention (#29340) </details> **Website:** - <https://llama.app> **Attestations:** - <https://github.com/ggml-org/llama.cpp/attestations/53273191> **macOS/iOS:** - [macOS Apple Silicon (arm64)](https://github.com/ggml-org/llama.cpp/releases/download/b11446/llama-b11446-bin-macos-arm64.tar.gz) - macOS Apple Silicon (arm64, KleidiAI enabled) [DISABLED](https://github.com/ggml-org/llama.cpp/pull/23780) - [macOS Intel (x64)
发布时间：2026-10-07 01:31
抓取时间：2026-10-07 02:18
来源机构：ggml-org