llama.cpp 后端更新：Adreno 分解注意力、CUDA 空分块修复与 SYCL 缓存

llama.cpp b12314为Adreno OpenCL加入分解Flash Attention，b12316修复CUDA MoE空分块路径读取，b12319源码标签改用SYCL线程本地设备ID缓存。三个后端、两种发布阶段需分别核对，不能合并成统一性能提升或全平台安全结论。

公告时间：2026年11月12日 13:22:52（北京时间）。

来源：官方公告或发布说明。

Adreno OpenCL在b12314增加什么

b12314预发布构建的说明包括分解Flash Attention、首次调用构建相关kernel、完全遮蔽行的inf处理、PV矩阵乘法的dp4a支持和小批量直接PV路径。它还调整X2E设备上分解FA的适用条件。相关条件与设备、头维度和批量有关，不能把这项后端改进描述成所有Android或所有模型自动获得相同加速。

CUDA MoE空分块修复为何重要

b12316的MMQ stream-k fixup路径在检查有效范围前读取目标ID，尾部专家的空分块可能越过padding边界。修复在j_sup不大于零时提前返回。官方同时解释，存储前原本已按范围返回，因此结果未受影响；不能把越界读取直接扩写为已经证实的推理错误、远程代码执行或数据泄露。

依据：官方原文；b12316 CUDA修复；b12319源码标签；SYCL关联提交

SYCL的b12319当前是什么阶段

b12319已存在源码标签，关联提交时间为北京时间11月12日14:50:55；本轮GitHub Release API未返回该正式发行记录。代码将每次图计算开始时的设备ID查询改为线程本地缓存，减少早退检查涉及的设备管理器互斥锁与映射查询。它不是已测得的整机性能数字，使用者也不能据此假定同名预编译包已上线。

如何选择需要关注的后端

Adreno OpenCL使用者优先看b12314条件与对应运行库；CUDA MoE项目关注空专家、量化矩阵乘法及原有回归案例；SYCL源码维护者则核对设备选择和多线程图计算。下载或编译仍需匹配操作系统、GPU架构、驱动及后端，不应从同一Release的跨平台资产列表推断每个平台都受同一变更影响。

上线前建议保留哪些对照

记录升级前后的提交或构建号、设备、模型量化、上下文和批量设置，用项目既有输入比较输出正确性、错误日志与资源使用。若要比较速度，应保持环境和输入一致并多次测量，不能将缓存机制解释直接写成实测收益。本文没有运行GPU基准或漏洞利用，仅依据官方变更记录解释适用范围。

与上一轮llama.cpp预警的区别

此前b12307的Metal SOLVE_TRI修复和b12318的CUDA调试缓冲池已提醒，本篇不重复这些事实。本轮新增范围是Adreno、CUDA MoE空分块路径及SYCL设备ID查询，按各自构建或提交时间记录，避免仅因后端名称相似混为同一条更新。

依据：官方原文；b12316 CUDA修复；b12319源码标签；SYCL关联提交

常见问题

b12319可以直接下载正式Release吗？

本轮仅确认源码标签及关联提交，尚未确认该版本正式Release或预编译资产。

CUDA这一修复证明之前结果都不正确吗？

没有。官方说明原路径在存储前已返回，结果未受影响；问题是空分块路径的读取边界。