llama.cpp b12008修正Gemma模型加载顺序，CPU模式显存占用降约 216 MiB
llama.cpp发布b12008版本，调整gemma3n与gemma4的token_embd创建顺序，避免输入输出共享缓冲区类型时重复持有词嵌入表；官方给出gemma-4-E2B-it Q4_K_M在纯CPU、无mmap下模型缓冲区从 3163.73 MiB降至 2947.73 MiB。
AI解读：本次更新针对gemma3n和gemma4模型，在创建与输出层共享权重的输出之前先创建token_embd，原因是重复输出会在其缓冲区上下文中查找token_embd，必须先存在。
旧顺序下，当输入和输出共享同一种缓冲区类型（例如纯CPU运行、-ngl 0）时，词嵌入表会被持有两次。
发布说明给出的实测例子是gemma-4-E2B-it Q4_K_M、不使用mmap、纯CPU模型缓冲区，从 3163.73 MiB降至 2947.73 MiB。
该版本同时提供macOS、iOS、Linux、Android、Windows等多平台预编译包，部分后端如KleidiAI和openEuler构建处于禁用状态。
llama.cpp发布b12008版本，提交说明为“gemma3n, gemma4 : create token_embd before the tied output (#31394)”。改动内容是让token_embd在绑定的输出层之前创建。
加载顺序修正与内存效果
发布说明解释，重复的输出会在其缓冲区上下文中查找token_embd，因此token_embd必须先存在。旧顺序下，当输入和输出共享同一种缓冲区类型时（例如纯CPU运行、-ngl 0），词嵌入表会被持有两次。
发布说明给出的例子是gemma-4-E2B-it Q4_K_M、不使用mmap、纯CPU模型缓冲区，数值从 3163.73 MiB变为 2947.73 MiB。该数据来自发布说明，属于项目方的单例说明。
- 适用模型：gemma3n、gemma4。
- 触发条件：输入和输出共享缓冲区类型，如CPU-only、-ngl 0。
- 示例模型：gemma-4-E2B-it Q4_K_M，no mmap。
- CPU模型缓冲区：3163.73 MiB → 2947.73 MiB。
预编译包与平台状态
b12008发布页列出了macOS Apple Silicon（arm64）、macOS Intel（x64）、iOS XCFramework、Ubuntu（x64/arm64/s390x及多种加速后端）、Android arm64、Windows（x64/arm64及CUDA、Vulkan、OpenVINO、SYCL、ROCm等构建）的下载包，并包含UI包。
发布页同时标注macOS Apple Silicon的KleidiAI启用版本为DISABLED，openEuler相关构建也为DISABLED。