llama.cpp为PowerVR显卡增加shared-memory reduction回退路径
Imagination的Vulkan编译器对要求subgroup size ≥16 的反量化mul_mat_vec shader一律返回VK_ERROR_UNKNOWN，导致k-quants、i-quants、TQ2_0、MXFP4、NVFP4模型在生成第一个token时进程崩溃。新版本在PowerVR上改走shared-memory reduction。
AI解读：这条更新解决的是Vulkan后端在PowerVR显卡上跑不动一类量化模型的问题。Imagination的闭源Vulkan编译器对使用subgroup-only reduction的反量化mul_mat_vec shader直接返回VK_ERROR_UNKNOWN，ggml又把错误抛出去，所以模型刚吐第一个token进程就挂了。
受影响的模型范围不小，k-quants、i-quants、TQ2_0、MXFP4和NVFP4都在内。作者在Pixel 11 Pro上复现，subgroup size取 32、64、128 都失败，去掉full-subgroups标志也没用，说明不是调参数能绕过去的。
新版本改走shared-memory reduction后，q2_K、q3_K、q4_K、q5_K、q6_K的编译结果与CPU reference一致，也就是能正常用了。代价是吞吐：Qwen3.5-2B-Q4_K_M上 5.20 t/s降到 3.78 t/s。拿PowerVR设备跑这类量化模型的人，先弄清楚自己能不能接受这个速度差再升级。
llama.cpp发布b10891版本，为PowerVR GPU上的反量化mul_mat_vec（dmmv）操作增加了回退到shared-memory reduction的路径，对应改动为PR #28341。
Imagination Vulkan编译器返回VK_ERROR_UNKNOWN
根据发布说明，Imagination专有Vulkan编译器会对每一个使用subgroup-only reduction构建的反量化mul_mat_vec shader返回VK_ERROR_UNKNOWN；这类shader要求subgroup size >= 16。涉及k-quants、i-quants、TQ2_0、MXFP4和NVFP4。
由于ggml会重新抛出该错误，任何此类模型在生成第一个token时就会导致进程终止。
该问题在Pixel 11 Pro上复现，设备为PowerVR C-Series CXTP-48-1536 MC1，驱动版本 1.662.3024，subgroup size为 128，min 32，max 128。
发布说明称，失败与subgroup size无关：32、64、128 均失败；去掉full-subgroups标志和required-subgroup-size pNext也同样失败。使用普通subgroup reduction的legacy quants可以正常编译和运行。
shared-memory reduction的效果与代价
发布说明称，shared-memory reduction变体可以编译，并在q2_K、q3_K、q4_K、q5_K和q6_K上与CPU参考结果一致。
混合变体同样可以编译，但吞吐下降 27%：在Qwen3.5-2B-Q4_K_M上为 3.78 t/s，对比 5.20 t/s。