北京时间2026年10月19日13时25分，ggml-org在GitHub发布llama.cpp b11724，仓库资产接口记录源码归档时间为2026-10-19T05:25:04Z，对比区间为b11723至b11724。本次为常规版本更新，仅合入1笔提交，聚焦CUDA后端flash_attn_ext_vec内核的共享内存写后读竞争修复。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，沿用站内已核验的MIT条件，面向使用CUDA进行本地推理与自行构建的用户，需在测试环境验证后使用。
核心变化
本次唯一提交为99db719bdf07f7d537431ca556a0512bf3d995b6，由Paul Mairhofer提交并经GitHub合并，提交与归档时间同为2026-10-19T05:25:04Z即上海10月19日13时25分，提交信息为CUDA: fix shared-memory WAR hazard in flash_attn_ext_vec，对应编号#30573，合著包含Johannes Gäßler。改动仅涉及ggml/src/ggml-cuda/fattn-vec.cuh，统计为新增3行删除1行，核心是在flash_attn_ext_vec内核中补齐KQ同步所需的ggml_cuda_syncwarp调用，一处为注释澄清，另一处为新增同步，并标注Needed for KQ synchronization。对比页显示本次相对b11723仅领先1个提交、1个文件变更、2名贡献者，父提交为b11723对应的31288c9c66e59377f7788d920678a565bb89dd37。
适用对象与访问条件
本次更新主要面向两类中国用户：一是在英伟达显卡环境使用llama.cpp运行本地推理，且会触发flash_attn_ext_vec向量路径的CUDA用户，可在主线获得该同步修复并开展回归验证；二是从源码跟随主分支或使用滚动标签做持续验证的构建维护者，可按标签b11724获取源码与发布说明自行构建验证。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CUDA工具链、对应模型权重与桌面或服务器构建环境。未使用CUDA后端或未触发该注意力向量路径的CPU、Metal、Vulkan与Hexagon用户理论上不受直接影响。
- 在b11723基础上发布b11724，资产时间为2026-10-19T05:25:04Z即上海10月19日13时25分；仅合入1笔提交99db719，对应#30573，修复CUDA flash_attn_ext_vec共享内存写后读竞争；仅改动ggml-cuda/fattn-vec.cuh，新增3行删除1行，补齐KQ同步所需的ggml_cuda_syncwarp；对比区间仅领先1个提交与1个文件，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，本次属于小范围正确性修复，提交与对比信息均未提及接口变更、迁移要求与配置调整，可视为平滑升级。实现上集中于CUDA注意力向量内核的线程束同步，不触及通用接口与模型加载逻辑，因此不使用该路径的模型行为应保持不变。许可证方面，发布说明与提交信息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，实际效果仍受显卡型号、驱动版本、编译选项与模型结构影响。已在使用CUDA的llama.cpp用户，建议先在测试环境从上一标签升级至b11724，重点验证相关模型的加载、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。