llama.cpp b11215发布：为 40-112 头维度调优CUDA fp16 FlashAttention配置
llama.cpp新版本b11215的唯一功能变更是针对head size 40至 112 调整CUDA下fp16 tile FlashAttention的kernel配置，同时附带各平台预编译包，其中macOS KleidiAI支持与openEuler构建处于禁用状态。
AI解读：llama.cpp发布b11215，真正改代码的只有一条：把CUDA上fp16 tile FlashAttention的配置按head size 40到 112 重新调了一遍。这个区间基本覆盖了主流开源模型的注意力头维度，改动本身是性能向的kernel参数调优，不是新功能。
对用NVIDIA显卡跑本地推理的人来说，这次更新的价值取决于你模型的head size是否落在 40-112 之间；不在这个范围内的模型不会因为这次commit获得任何变化。发布说明没有给出任何加速数字，所以实际提升多少目前无法判断，只能等使用者自己测。
b11215照例提供覆盖macOS、iOS、Linux、Windows、Android的预编译包，Linux侧包含CUDA 12.8和CUDA 13.4两套构建，Windows侧是CUDA 12.4和 13.4。注意macOS的KleidiAI加速版和openEuler构建都标着DISABLED，需要这些平台的人得继续等或者自行编译。
llama.cpp发布构建版本b11215。发布说明中列出的唯一代码变更来自PR #26289：“CUDA: tune fp16 tile FlashAttention configs for head sizes 40-112”，即为head size在 40 到 112 之间的模型调整CUDA后端fp16 tile FlashAttention的配置参数。
该版本同步提供各平台预编译二进制包：macOS Apple Silicon (arm64)、macOS Intel (x64)、iOS XCFramework、Ubuntu x64/arm64/s390x (CPU)、Ubuntu x64/arm64 (Vulkan)、Ubuntu x64 (CUDA 12.8)、Ubuntu x64 (CUDA 13.4)、Ubuntu arm64 (CUDA 13.4)、Ubuntu x64 (ROCm 10.0)、Ubuntu x64 (OpenVINO 2026.4)、Ubuntu x64 (SYCL FP32与FP16)、Linux arm64 Snapdragon（CPU、Adreno GPU、Hexagon NPU）、Android arm64（CPU及Snapdragon版本）、Windows x64/arm64 (CPU)、Windows arm64 (OpenCL Adreno)、Windows x64 (CUDA 12.4与 13.4)、Windows arm64 (CUDA 13.4)、Windows x64 (Vulkan)、Windows x64 (OpenVINO 2026.4)、Windows x64 (SYCL)、Windows x64 (ROCm 10.0)，以及UI包。
被禁用的构建目标
- macOS Apple Silicon (arm64, KleidiAI enabled) 标记为DISABLED，指向PR #23780。
- openEuler各构建（x86 310p、x86 910b ACL Graph、aarch64 310p、aarch64 910b ACL Graph）标记为DISABLED，指向PR #23705。