北京时间10月19日10时06分，ggml-org在GitHub发布llama.cpp预发布b11723，仓库接口记录发布时间为2026-10-19T02:06:12Z，对比区间为b11722至b11723。本次为常规预发布迭代，仅合入1笔提交，聚焦Hexagon后端FLASH_ATTN_EXT在更长上下文与滑动窗口注意力模型上的改进，MIT许可不变，面向骁龙与Hexagon本地推理及自行构建用户，需在测试环境验证后使用。

核心变化

本次唯一提交为31288c9c66e59377f7788d920678a565bb89dd37，由Max Krasnyansky提交，提交时间为2026-10-19T01:08:11Z即上海10月19日9时08分，提交信息为hexagon: FLASH_ATTN_EXT improvements for longer context and SWA models，对应编号#30731。改动说明包含三项：支持掩码块跳过以减少直接内存访问抓取，微调hmx到hvx的切换阈值并提及对gemma-4的提升，更新hmx门控以计入多设备数量。对比页显示本次相对b11722仅领先1个提交，提交统计为277行新增与111行删除，核心改动位于ggml/src/ggml-hexagon/ggml-hexagon.cpp与htp/flash-attn-ops.c等Hexagon相关文件。发布接口显示prerelease为true，多平台预编译资产同步产出。发布说明与提交信息均未提及破坏性变更、安全修复与许可证调整。

适用对象与访问条件

本次更新主要面向两类中国用户：一是在骁龙手机、开发板或Hexagon数字信号处理器环境运行本地推理，需要更长上下文或滑动窗口注意力模型支持的用户，可在主线获得该Flash Attention扩展改进并开展回归验证；二是从源码跟随主分支或使用预发布包做持续验证的构建维护者，可按标签b11723获取源码与预编译产出说明自行构建验证。访问条件为公开仓库https://github.com/ggml-org/llama.cpp，无需账号与付费，国内下载需自行解决网络可达性，实际验证还需具备Hexagon工具链、对应模型权重与安卓或桌面构建环境。未使用Hexagon后端或未触发该注意力路径的CPU、CUDA、Metal与Vulkan用户理论上不受直接影响。

  • 在b11722基础上发布预发布b11723，发布时间为2026-10-19T02:06:12Z即上海10月19日10时06分；仅合入1笔提交31288c9，对应#30731，改进Hexagon长上下文与滑动窗口模型的FLASH_ATTN_EXT实现；包含掩码块跳过减少直接内存访问抓取、微调hmx到hvx切换阈值、更新hmx门控计入设备数量；预发布标识为true，Linux、Windows与安卓等多平台资产同步产出；未提及破坏性变更、安全修复与许可证调整

兼容性、限制与下一步

兼容性方面，本次属于常规预发布迭代，发布接口与已核验提交信息均未提及破坏性变更、迁移要求与安全修复，可视为平滑升级。实现上集中于Hexagon注意力路径的阈值与门控逻辑调整，未触及通用接口，因此不使用该路径的模型行为应保持不变。许可证方面，发布说明与对比区间均未提及许可证调整，沿用站内已核验的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。已知限制是本次说明未给出精度评测、性能数据与受影响模型清单，不应理解为速度或成本承诺，实际效果仍受芯片型号、驱动版本、构建选项与模型结构影响。已在使用Hexagon的llama.cpp用户，建议先在测试环境从上一预发布升级至b11723，重点验证相关模型的加载、长上下文解码正确性与长时间推理稳定性，确认无异常后再评估是否跟随；若出现构建失败或运行异常，应以官方Release说明与对应提交信息为准排查，并在升级前做好回退准备。