核心结论
北京时间 9 月 23 日 2 时 38 分，ggml-org 在 GitHub 发布 llama.cpp 预发布 b11111。本次为单一后端优化版本，核心变化是为 Vulkan 后端新增英特尔 Xe 系列闪注意力优化内核，覆盖 Xe-LPG Plus、Xe2 与 Xe3，对应合入编号为 #24406 的第二阶段工作。以上发布时间与预发布状态由官方仓库发布接口直接确认，发布时间对应 2026-09-22T18:38:54Z；具体改动内容由官方发布页说明；影响判断为编辑基于改动的解释。
变化细节
官方发布页信息显示，本次合入内容为 vulkan: add Intel Xe flash attention optimization kernels (2/3, Xe-LPG Plus/Xe2/Xe3)。细分包括针对 split k 路径的英特尔闪注意力内核优化、主机端内核路径选择逻辑更新并修复 A770 在 Linux 上的算子测试失败、在 flash_attn_decode_phase_1 着色器中使用对称 coopMatMulAdd 以解决 Mesa 26.2.3 驱动下的测试失败，以及 flash_attn_decode_phase_2 的编辑配置修正。发布页未将其描述为新增模型支持、新增功能入口或定量性能提升，版本标识为 b11111，状态为预发布，非稳定版，MIT 许可信息未显示变更，并同步生成多平台预编译包。
影响与适用范围
受影响对象为在英特尔显卡上经 Vulkan 运行 llama.cpp 的本地推理场景，尤其是 Xe-LPG Plus、Xe2、Xe3 架构设备以及在 Linux 上使用 A770 的开发者。本次使相关闪注意力解码路径的内核选择与测试兼容性更完整，有助于减少特定驱动与硬件组合下的算子失败与排查成本。涉及跨硬件验证或维护多后端构建的开发者，可在测试环境对照验证常用模型与 Vulkan 路径。仅使用 CPU 通用路径、CUDA、Metal 或其他后端的用户，可暂不升级，继续使用现有版本即可。
限制与下一步
本次为预发布快照，官方未公布相关硬件上的完整回归矩阵、精度对比、吞吐或延迟数据，也未给出第三方评测结果，编辑未将其扩大为性能提升或广泛兼容承诺。预发布意味着后续仍可能调整，生产环境不宜直接覆盖稳定版。中国用户如需试用，应通过官方发布页核对版本号 b11111 与预发布标识下载对应平台包，并在测试环境验证常用模型与 Vulkan 组合。若后续出现稳定版或补充说明，将以新的可核验事件另行处理。