llama.cpp b11238用ggml_pad_ext统一左填充，并精简DFlash2读取
该版本把Parakeet、LFM2-Audio、Granite Speech、Gemma 4音频编码器和DFlash2原本手工拼出的左填充合并为一个ggml_pad_ext节点，并跳过只读取填充的DFlash2 tap。
AI解读：llama.cpp发布b11238，改动集中在模型计算图的填充方式：Parakeet、LFM2-Audio、Granite Speech、Gemma 4音频编码器和DFlash2不再自己拼左填充。
这些模型原来的做法是“先右填充、再滚动”，或者在已有token前面接一块零。现在这种情况交给ggml_pad_ext一个节点完成，前提是每个后端都已支持左填充。
对使用这些音频编码器的人来说，直接的保证是Gemma 4音频嵌入逐位相同，输出没有变化；DFlash2则多了一条跳过无效tap的优化，循环只跑min(kernel_size, block_size) 次。
这次更新随b11238二进制一同发布，覆盖macOS、iOS、Linux、Windows、Android以及CUDA、Vulkan、ROCm、SYCL、OpenVINO等后端；多数用户只是升级构建，模型行为不变。
llama.cpp发布b11238版本，提交说明显示改动集中在模型侧的左填充实现。
Parakeet、LFM2-Audio、Granite Speech和Gemma 4的音频编码器此前把左填充构造成“右填充加一次滚动”，DFlash2则在已有token前拼接一个零填充块。
提交说明称，现在每个后端都支持左填充，ggml_pad_ext可以在一个节点里同时完成这两种操作。
Gemma 4音频嵌入的结果与改动前逐位相同。
DFlash2方面，改动还跳过了只读取填充部分的tap：位于或超过block_size的tap会把每一行都移出该块，因此其项为零，循环只运行min(kernel_size, block_size) 个tap。
b11238同时发布了Website、macOS/iOS、Linux、Android、Windows、openEuler和UI的构建产物。
哪些模型换了填充实现
提交说明列出Parakeet、LFM2-Audio、Granite Speech、Gemma 4音频编码器以及DFlash2。
这些模型此前分别用“右填充后滚动”或“在前方拼接零填充块”的方式构造左填充，现在统一改为ggml_pad_ext一个节点。
说明中给出的前提是每个后端都已支持左填充；Gemma 4音频嵌入的输出保持逐位相同。
- Parakeet、LFM2-Audio、Granite Speech、Gemma 4音频编码器：左填充由右填充加滚动改为ggml_pad_ext。
- DFlash2：原本在已有token前拼接零填充块，现在由同一节点处理。
- Gemma 4音频嵌入被明确标注为逐位相同。
DFlash2跳过只读填充的tap
同一提交还修改了DFlash2的循环。
说明指出，位于或超过block_size的tap会把每一行都移出该块，所以这一项为零；循环因此只运行min(kernel_size, block_size) 个tap。
b11238的发布产物
该版本随b11238标签发布，提交由github-actions[bot] 写出。
发布页面列出Website、macOS/iOS、Linux、Android、Windows、openEuler和UI的产物。
macOS提供Apple Silicon arm64和Intel x64构建；Linux提供Ubuntu x64、arm64、s390x，以及CPU、Vulkan、CUDA 12、CUDA 13、ROCm 10.0、OpenVINO、SYCL FP32、SYCL FP16、Snapdragon等构建；Windows提供x64和arm64的CPU、CUDA 12、CUDA 13、Vulkan、OpenVINO、SYCL、ROCm 10.0等构建；Android提供arm64和Snapdragon构建。
发布页还标注macOS Apple Silicon的KleidiAI构建以及openEuler构建为DISABLED。
- 发布标签：b11238。
- 产物范围：Website、macOS/iOS、Linux、Android、Windows、openEuler、UI。
- Linux后端覆盖CPU、Vulkan、CUDA 12、CUDA 13、ROCm 10.0、OpenVINO、SYCL FP32/FP16、Snapdragon。
- Windows后端覆盖CPU、CUDA 12、CUDA 13、Vulkan、OpenVINO、SYCL、ROCm 10.0。