llama.cpp b11888修复长token在语法约束下总被拒的问题，并加速语法采样
该版本把语法采样中候选拒绝的递归改为自带层级栈的循环：长度超过 256 字符的token（如GLM-4.7-Flash的 512 空格token和Laguna-S-2.1的长空格token）不再因深度上限被一律拒绝，生成的掩码与master一致；提交说明称在GLM-4.7、Laguna、Qwen3.6、gemma-4上配合json、list、spaces语法采样快于master。以上为提交说明中的说法。
AI解读：llama.cpp发布b11888，核心改动在grammar模块：llama_grammar_reject_candidates_for_stack原有的深度上限统计的是词表token的码点数，导致长度 256 字符及以上的token在语法约束下总被拒绝。
受影响的例子包括GLM-4.7-Flash的 512 个空格token，以及Laguna-S-2.1的长空格token。新实现改为用自身的层级栈逐码点遍历，不再递归，提交说明称任意长度的GGUF token都没有上限和栈风险，且掩码与master相同。
候选拒绝改为以输入候选的下标而非副本记录层级；提交说明称在GLM-4.7、Laguna、Qwen3.6和gemma-4上，使用json、list、spaces语法时语法采样比master更快，掩码不变。
同一批改动还给common的schema遍历加入depth_guard，把GRAMMAR_RECURSIVE_LIMIT移入 .cpp，并降低PEG parser的递归上限；提交说明把递归深度限制称为一项要求。
发布页提供macOS（arm64、x64）、iOS XCFramework、Linux（CPU、Vulkan、CUDA 12.8/13.4、ROCm 10.0、OpenVINO、SYCL）、Android、Windows、Snapdragon及UI等构建包，openEuler构建标注为DISABLED。
llama.cpp发布b11888，主要改动是把语法采样中的候选拒绝从递归改为循环。提交说明称，原先llama_grammar_reject_candidates_for_stack的深度上限按词表token的码点数计数，因此长度达到 256 字符的token在语法约束下会一直被拒绝，例如GLM-4.7-Flash的 512 空格token和Laguna-S-2.1的长空格token。
长token被误拒的修复方式
按提交说明，新的拒绝逻辑改为用自身的层级栈遍历码点，不再递归，因此对来自GGUF的token没有长度上限，也没有栈风险，生成的掩码与master一致。
候选的追踪方式也变了：同一码点下，候选与输入只差码点指针位置，现在层级保存的是指向输入候选的下标而非副本，拒绝结果可直接映射回输入。
- 受影响对象：长度 256 字符及以上的词表token
- 举例：GLM-4.7-Flash的 512 空格token、Laguna-S-2.1的长空格token
- 提交说明称修复后掩码与master相同
提交说明中的性能说法与其他改动
提交说明称，语法采样在GLM-4.7、Laguna、Qwen3.6和gemma-4上搭配json、list、spaces语法时比master更快，掩码不变。这一比较来自提交说明，未给出具体数值。
- common的schema遍历加入depth_guard
- GRAMMAR_RECURSIVE_LIMIT移入 .cpp
- PEG parser的递归上限降低，提交说明称递归深度限制成为一项要求
构建包覆盖
发布页列出macOS Apple Silicon与Intel、iOS XCFramework、Linux（CPU、Vulkan、CUDA 12.8与 13.4、ROCm 10.0、OpenVINO、SYCL FP32/FP16）、Android、Windows多后端及Snapdragon平台构建包。openEuler构建与macOS arm64的KleidiAI构建均标注为DISABLED。