llama.cpp b11232发布：x86 CPU为非常规头维度启用分块Flash Attention
该版本将分块Flash Attention扩展到head dim不是向量整数倍的模型，并为simd_gemm_ukernel_tail增加AVX2掩码加载/存储支持，同时修复填充KV分块的FA softcap处理。
AI解读：这条更新解决的是一个很具体的兼容性问题：在x86 CPU上，Flash Attention的分块实现此前对head dim有“必须是向量整数倍”的限制，b11232把它打开到非常规头维度，意味着一些原本走不到这条快路径的模型现在可以用上。
对跑本地推理的人来说，这类底层改动的价值通常不在数字上，而在于“能不能用”和“用哪个后端”：CPU路径的覆盖范围变宽，受影响的模型少了一个绕开的理由。
版本照例附带macOS、Linux、Windows、Android等平台的预编译包，涉及Vulkan、CUDA、SYCL、OpenVINO、ROCm等多个后端；同一个提交还包含AVX2掩码加载/存储支持和softcap修复，但发布说明没有给出具体性能数字，实际收益需按模型和硬件自行验证。
llama.cpp发布b11232版本，主提交为“ggml-cpu: enable tiled flash attention for non-vector-multiple head dims on x86 (#29423)”。
该提交让x86 CPU上的分块Flash Attention支持head dim不是向量整数倍的情况。
同一提交还包含两项改动：为simd_gemm_ukernel_tail增加AVX2的掩码加载与存储支持；修复填充KV分块的FA softcap处理。
版本附带Web界面，以及macOS/iOS、Linux、Android、Windows等平台的多后端预编译包，包括CPU、Vulkan、CUDA 12/13、ROCm 10.0、OpenVINO 2026.4、SYCL FP32/FP16等。
发布说明未给出性能数据或受影响的模型清单；KleidiAI版macOS Apple Silicon构建和openEuler构建标记为DISABLED。