llama.cpp b11043发布：Hexagon HMX flash-attention支持head_dim非 64 倍数（DK=DV=72）
llama.cpp新版本b11043让Hexagon HMX的flash-attention能在head_dim不是 64 倍数时运行，例如SigLIP的head_dim=72；做法是把DK/DV向上取整到 64，并用零填充尾部通道。
AI解读：这条更新解决的是一个很具体的兼容问题：Hexagon HMX上的flash-attention原先要求head_dim是 64 的倍数，而SigLIP的head_dim是 72，正好卡住。
做法不是改模型，而是把DK/DV向上取整到 64，多出来的尾部通道用零填充。这样head_dim=72 的模型也能在这条路径上跑起来，代价是计算量按 128 而不是 72 算，零填充部分不带来有效结果。
直接影响的是在高通Hexagon DSP上跑量化模型、尤其是带SigLIP视觉编码器的多模态模型的人。如果你不用Hexagon后端，这个改动对你不产生行为变化。
这是b11043里的一个提交，同版本照例发布了各平台预编译包，包括macOS、Linux、Windows、Android以及CUDA、Vulkan、ROCm、OpenVINO、SYCL等后端。KleidiAI的macOS构建和openEuler构建在本次发布中标记为DISABLED。
llama.cpp发布b11043版本，其中一项改动是让Hexagon后端的HMX flash-attention支持head_dim不是 64 倍数的情况，例如SigLIP的head_dim=72。
实现方式是把DK/DV向上取整到 64 的倍数，用零填充尾部通道，再执行HMX flash-attention。
该版本同时发布了多个平台的预编译包。
Hexagon HMX flash-attention的head_dim填充
根据发布说明，这项改动的提交信息为“hexagon: HMX flash-attention head_dim padding (support DK=DV=72) (#26539)”。
它允许HMX flash-attention在head_dim不是 64 倍数时运行，举例是SigLIP的head_dim=72。
具体做法是对DK/DV按 64 向上取整，并对多出来的尾部通道做零填充。
b11043提供的预编译包
- macOS：Apple Silicon (arm64)、Intel (x64)；iOS提供XCFramework。Apple Silicon的KleidiAI构建标注为DISABLED。
- Linux：Ubuntu x64/arm64/s390x的CPU构建，x64与arm64的Vulkan构建，CUDA 12.8与CUDA 13.3的x64构建及对应arm64 CUDA 13构建，ROCm 10.0、OpenVINO 2026.4、SYCL FP32/FP16的x64构建。
- Windows：x64与arm64的CPU构建，arm64的OpenCL Adreno构建，CUDA 12.4与CUDA 13.4的x64构建及arm64 CUDA 13.4构建，Vulkan、OpenVINO 2026.4、SYCL、ROCm 10.0的x64构建。
- Android：arm64 CPU构建。UI：单独的UI包。
- openEuler构建在本次发布中标注为DISABLED。