llama.cpp b11819发布：支持Nemotron非标准GQA、BPE分词器和domyn-small pre-type
该版本提交说明称新增Nemotron模型支持，并让GGUF写入与分词器识别Metaspace的prepend_scheme；发布页同时列出各平台预编译包，其中macOS KleidiAI与openEuler构建标注为DISABLED。
AI解读：这说明本次改动面向Nemotron系列模型的加载与推理适配。
提交说明列出四项改动：支持非标准GQA；支持BPE分词器；支持domyn-small pre-type；gguf-py将Metaspace的prepend_scheme写入GGUF元数据。
分词器相关改动包括：vocab将Metaspace的prepend_scheme解析为枚举并重命名键；在detokenize中使用该prepend_scheme，并为其他分词器留下TODO；用常量表示Metaspace转义空格。
上述支持范围为提交说明所述，发布页未给出对应模型的评测数据或效果对比。
发布页提供macOS/iOS、Linux、Android、Windows与UI的预编译包下载；macOS Apple Silicon的KleidiAI版本和openEuler构建标注为DISABLED。
Linux包覆盖Ubuntu x64/arm64/s390x的CPU构建，以及Vulkan、CUDA 12.8、CUDA 13.4、ROCm 10.0、OpenVINO 2026.4.1、SYCL FP32/FP16等后端；另有Snapdragon的CPU、Adreno GPU、Hexagon NPU包。
llama.cpp发布b11819版本。发布页的提交说明以“nemotron：支持非标准GQA、BPE分词器和domyn-small pre-type（#23343）”为题，列出本次针对Nemotron相关模型的适配内容。
提交说明还包含gguf-py与vocab的改动：将Metaspace的prepend_scheme写入GGUF元数据，并在分词器中解析和使用该字段。该提交由Martin Cimmino共同署名。
b11819中的Nemotron与分词器改动
提交说明把改动分为三部分：Nemotron支持非标准GQA、BPE分词器和domyn-small pre-type；gguf-py将Metaspace的prepend_scheme写为GGUF元数据；vocab解析该prepend_scheme为枚举、重命名键，并在detokenize中使用它。
分词器部分还有两项说明：为其他分词器添加TODO；使用常量表示Metaspace转义空格。这些内容属于提交说明所述实现，发布页未附对应模型的输出样例或性能数据。
- 支持Nemotron的非标准GQA
- 支持BPE分词器
- 支持domyn-small pre-type
- gguf-py写入Metaspace prepend_scheme元数据
- vocab解析prepend_scheme为枚举并在detokenize中使用
预编译包与受限构建
发布页按平台列出下载包：macOS/iOS包括Apple Silicon arm64、Intel x64和iOS XCFramework；Linux包括Ubuntu x64、arm64、s390x的CPU包及多种加速后端包；Android包括arm64 CPU与Snapdragon包；Windows包括x64/arm64 CPU、CUDA、Vulkan、OpenVINO、SYCL、ROCm等包；另有UI包。
两项构建标注为DISABLED：macOS Apple Silicon的KleidiAI启用版本，以及openEuler构建。发布页对openEuler仍列出x86 310p、x86 910b（ACL Graph）、aarch64 310p、aarch64 910b（ACL Graph）条目，但整体标记为禁用。
- macOS Apple Silicon（arm64，KleidiAI enabled）：DISABLED
- openEuler：DISABLED
- Linux提供CUDA 12.8与CUDA 13.4两套x64包及对应库
- Windows提供CUDA 12.4与CUDA 13.4包及对应DLL
- Android与Linux均提供Snapdragon的CPU、Adreno GPU、Hexagon NPU包