核心结论

官方宣布：ggml-org 于北京时间 2026 年 10 月 21 日 5 时 26 分在 GitHub 发布 llama.cpp 预发布 b11759，对比区间为 b11757 至 b11759，合入 2 笔提交，分别新增 IBM zDNN 闪存注意力算子与持久化推测解码动态 ngram 缓存，预发布状态不变。这是编辑根据官方发布页、版本对比页与关联拉取请求核验后的简讯整理。

已核实变化

  • 根据官方发布页与 b11757 至 b11759 对比页核验，本次合入 2 笔提交： 新增 ggml-zdnn 闪存注意力算子 fattn，引入暂存缓冲池替代原暂存槽位，并补充相关文档说明，提交为 522f2b6； 持久化推测解码动态 ngram 缓存，在实现析构时落盘，移除 save_static 与 save_dynamic 开关及相关待办，提交为 83c2d01； 修复 ngram 缓存历史传递缺陷，改为传入完整历史并按新词数设置 nnew，同时在新请求时重置缓存大小。以上均来自官方仓库记录，未经独立性能复测。

时间与版本边界

版本状态经官方接口核验为 prerelease 预发布，标签为 b11759，发布时间为 2026-10-20T21:26:07Z，换算为北京时间 2026 年 10 月 21 日 5 时 26 分，属于当日窗口。对比页标题显示提交归属日期为 2026 年 10 月 20 日，与发布时间一致，未发现往日重发或摘要聚合迹象。

影响、限制与下一步

影响范围限于 IBM Z 的 zDNN 注意力路径与推测解码 ngram 缓存路径，用户结果为在受影响设备上获得更完整的算子覆盖与缓存持久化能力，官方未宣称通用性能提升幅度。中国用户可经 GitHub 发布页获取对应平台包验证，IBM Z 用户宜重点回归注意力正确性，推测解码用户宜验证缓存落盘与加载逻辑；预发布不宜直接覆盖生产环境。下一步为在隔离环境验证目标模型组合，并跟进后续 b1176x 预发布。