关键变化
llama.cpp b11046 是 ggml-org 于 2026-09-18T23:56:03Z 发布的预发布版本，对应上海时间 2026 年 9 月 19 日 07 时 56 分，发布接口标记 prerelease 为 true，创建时间为当日 23:32:31Z，更新时间为 23:58:34Z。当日发布说明标题为 opencl: add support for bin kernel flash_attn_f32_f16_bin（#29046），包含两项 OpenCL 后端改动：新增 flash_attn_f32_f16_bin 内核，以及增加预填充阶段的闪存注意力保护逻辑。本次为单一后端方向的增量预发布，未在当日来源中声明新模型架构、量化格式、通用推理加速、许可证变更、安全漏洞修复或维护状态变化，应按常规 OpenCL 维护增量理解。
从当日可核验范围看，改动入口集中在 OpenCL 后端的注意力计算路径，用于补齐二值内核形态下的闪存注意力支持并收紧预填充保护条件。当日发布正文除标题与两条改动摘要外，其余为多平台预编译包与校验入口，未在当日来源中披露受影响显卡清单、触发条件的完整复现步骤与性能对比数据。因此公开表述严格限定为标题级事实：OpenCL 新增对应内核与保护逻辑，不扩展为已验证的通用速度提升结论或全后端稳定性承诺。需要底层细节的用户应以维护方当日 Release 与关联代码说明为准。
兼容性与访问条件
仓库归属为 ggml-org/llama.cpp，公开仓库，现有已核验许可证为 MIT，可在保留版权声明条件下分发与修改，本次当日发布说明未提及许可证变化，按许可不变处理。本次发布资产已在当日发布接口中同步列出，当日核验可见包括 macOS、Linux、Windows、Android、iOS 与 openEuler 在内的多平台预编译包及 UI 包入口，用户可从 Release 页面按平台下载对应压缩包，或克隆仓库自行编译，访问无需额外授权，具体可用资产以 Release 页面实时列表为准。
兼容性方面，本次当日来源未声明命令行、配置文件、GGUF 格式、RPC 线协议或模型加载逻辑等破坏性变更，模型文件与已有量化权重无需重转。以 OpenCL 为主的用户属于直接相关面：升级或同步后应验证常用模型加载、提示词处理与长上下文回归，升级前建议先在测试环境验证。以 CUDA、Metal、Vulkan、CPU 推理为主且不使用 OpenCL 的用户行为基本不变，可按常规节奏跟踪。以源码构建或维护自有编译流水线的贡献者，同步后应验证 OpenCL 编译选项与常用回归。
限制与下一步
- 预发布增量版本，不适合当作稳定版直接全量替换；当日来源未声明安全漏洞修复，不应解读为安全版本；当日来源仅给出 OpenCL 标题级改动，未披露完整触发条件、回退路径与量化影响，相关性能推论均未独立验证；未涉及新模型支持与通用加速承诺，不要期待全平台性能提升；多平台预编译资产分批上传中，拉取时需确认所需平台包已就绪
中国用户如正在 OpenCL 设备上本地部署 llama.cpp，或基于该仓库做二次编译与分发，建议优先在测试环境拉取 b11046 验证编译、模型加载与常用提示词回归，通过后再推广到生产。仅做通用本地推理且不使用 OpenCL 的用户可继续使用已验证版本，跟踪同一仓库 Release 页面即可，不以聚合榜单或转载为准，后续以维护方当日 Release 为唯一依据。