llama.cpp b10731为Qwen4实验模型加入循环状态回滚，修复MTP投机解码性能回退
新版本为Qwen4实验分支增加循环状态回滚支持，修复MTP投机解码因整状态序列化到主机内存导致的性能损失；实测代码解码达 183 tok/s，散文达 144 tok/s。
AI解读：这次更新的核心是修复一个性能回退问题：在Qwen4实验模型的MTP投机解码中，当草稿token被拒绝时，目标模型需要把循环状态回退到被拒绝token之前的位置。此前没有回滚支持，服务器只能把整个循环状态序列化到主机内存再恢复，每轮都这么做，成本比投机解码省下的还多。
llama.cpp b10731让每个时隙都写入一个快照平面，且每个快照比前一个晚一个token结束，这样回滚时就能取回正确的卷积历史。对使用llama.cpp跑Qwen4实验模型并开启MTP投机解码的开发者来说，这个版本能直接带来解码速度的提升，尤其适合代码生成等场景。
普通用户无需立即操作，但如果是llama.cpp的日常使用者，更新到b10731即可获得修复。
llama.cpp发布b10731版本，为Qwen4实验模型（qwen4exp）新增循环状态回滚支持。此前Qwen4的MTP投机解码因缺少回滚能力，服务器被迫在每个解码轮次将整个循环状态序列化到主机内存，开销超过投机解码节省的计算。
本次改动让每个时隙（slot）都写入一个快照平面，且每个快照比前一个早一个token结束，覆盖delta net的QKV卷积和PLE卷积。实测在Qwen3.8-Flash-Next UD-Q4_K_XL模型、单时隙、n-max=3 的条件下，代码解码速度从 123 tok/s提升到 183 tok/s，散文从 83 tok/s提升到 144 tok/s；无草稿基线为 108 tok/s。