核心变化
ggml-org 于上海时间 2026 年 9 月 23 日 01 时 15 分发布 llama.cpp 预发布 b11108。本次为相对 b11105 的三提交增量更新，发布接口显示 published_at 为 2026-09-22T17:15:33Z，prerelease 为 true，目标提交为 f95b0d9。三个合入分别为 Web UI 支持 WEBM 视频文件、SYCL 后端针对 gemma4-26b-a4b 闪注意力形状的性能调优，以及 ggml 侧 IQ1_M 量化前缀和构建优化。多平台预编译包随发布同步上传，属常规预发布迭代。
适用对象与访问条件
本次更新主要面向三类中国用户：一是使用 llama.cpp Web UI 上传多模态素材的本地推理用户，WEBM 支持可减少格式转换；二是使用英特尔 GPU 与 SYCL 后端运行 Gemma4 相关模型的部署者，可验证闪注意力路径表现；三是使用 IQ1_M 量化模型、关注量化与启动开销的端侧与服务端用户。访问条件为公开仓库，可从 GitHub Releases 页按平台下载预编译包，或同步标签源码自行构建验证，无需账号与付费，国内下载需自行解决网络可达性。
- Web UI 接受 WEBM 视频文件输入，扩展多模态素材直接可用范围，对应合入 9b421fa；SYCL 后端在 fattn-tile 增加 gqa_ratio 为 8 的 ncols1 分支，并为 gemma4-26b-a4b 全局注意力形状补齐后端算子性能测试，对应合入 c350a40；ggml 侧 IQ1_M 将前缀和改为每块只构建一次，精简 ggml-quants.c 中重复求和逻辑，改动为 44 行新增、73 行删除，对应合入 f95b0d9。本次不调整模型格式、推理参数与外部接口，不含许可证变化说明。
兼容性、迁移与限制
兼容性方面，本次属于预发布常规迭代，发布说明未提及破坏性变更、迁移要求与安全修复，未给出漏洞编号与性能提升数字，可视为平滑升级。IQ1_M 与 SYCL 改动集中于计算内核与注意力分块选择，理论上不改变数值结果，但实际收益与回归范围仍需用户在自身模型与硬件上实测。许可证延续站内已核验的 MIT 条件，实际使用仍以仓库许可证文件与自身合规评估为准，不对维护持续性作保证。
已在使用 b11105 或更早预发布的测试环境用户，建议先升级至 b11108，重点验证 Web UI 的 WEBM 上传解析、SYCL 后端 Gemma4 相关形状的推理正确性，以及 IQ1_M 模型的加载与生成一致性，确认无回归后再评估是否跟随。若发现异常，应固定回退至 b11105 并以官方 Release 与 Issue 为准反馈。仅做单次本地文本推理、未使用上述路径的用户可继续观察，无需为本次跟随升级。