llama.cpp b10988发布：OpenCL后端按批量大小选择MoE专家矩阵乘，适配投机解码与MTP
llama.cpp在版本b10988中为OpenCL后端加入按路由数量选择MoE专家矩阵乘的逻辑，用于投机解码与多token预测场景，同时停止向填充的MoE激活槽写零。
AI解读：这次更新解决的是OpenCL后端跑MoE模型时的具体效率问题：专家矩阵乘（MoE GEMM）不再一招通吃，而是根据路由数量也就是批量大小来选，让投机解码和多token预测（MTP）这类一次算多个token的场景少做无用功。
另一个改向是停止往填充的MoE激活槽写零。填充槽本来就没有有效数据，之前写零是纯开销，现在省掉了，推理时的内存写压力会小一点。
受影响的主要是在Windows ARM64（OpenCL Adreno）等OpenCL路径上跑MoE模型的用户，二进制已经随b10988发布；但来源没有给出这次改动的性能提升数字，实际收益要看具体模型和硬件。
改动作者为Li He，提交说明提到重新措辞了Claude相关注释，属于日常代码维护，不涉及新模型或新功能。
llama.cpp发布b10988版本，其中OpenCL后端新增一项改动：在投机解码/多token预测（MTP）场景下，根据批量大小（提交说明中表述为路由数量）选择MoE专家矩阵乘（MoE expert matmul）。
同一提交还包含另外两项改动：预构建的q4_0 MoE GEMM现在受路由数量限制（gate on routing count），并停止向填充的MoE激活槽写入零。
该提交由Li He共同署名，提交信息提到重新措辞了Claude相关注释。
b10988随版本发布了各平台预编译二进制，包括macOS Apple Silicon（arm64）、macOS Intel（x64）、iOS XCFramework、Ubuntu x64/arm64/s390x（CPU）、Ubuntu x64/arm64（Vulkan）、Ubuntu x64（CUDA 12、CUDA 13、ROCm 10.0、OpenVINO、SYCL FP32/FP16）、Android arm64（CPU）、Windows x64（CPU、CUDA 12、CUDA 13、Vulkan、OpenVINO、SYCL、ROCm 10.0）、Windows arm64（CPU、OpenCL Adreno、CUDA 13）以及UI压缩包。
其中macOS Apple Silicon的KleidiAI版本被标记为DISABLED，openEuler相关构建（x86 310p/910b、aarch64 310p/910b）同样被标记为DISABLED。
来源为版本发布说明，仅包含提交标题与二进制下载列表，未提供性能数据或更详细的技术说明。