llama.cpp发布b11172：优化Metal后端稀疏注意力并清理代码
llama.cpp发布版本b11172，主要改动为Metal后端的稀疏Flash Attention优化与代码清理，提交编号 #29377。
AI解读：这个版本只做了一件核心的事：让Mac和iOS设备上的稀疏注意力算得更省事。具体做法是把稀疏FA的索引缓存在共享内存里，简化共享内存大小的计算方式，并展开稀疏索引的加载循环。
对跑本地大模型的人来说，这类改动的意义在于Metal后端的推理路径被理顺了。改动本身不涉及新模型或新功能，属于底层性能与代码整洁度的维护。
发布页同时列出各平台预编译包，覆盖macOS、iOS、Linux、Windows、Android，以及CUDA、Vulkan、ROCm、SYCL、OpenVINO等后端；说明依据是版本发布页摘要，未展开每项构建的具体变化。
llama.cpp发布b11172版本，对应提交 #29377，主题是“metal : optimize sparse FA + clean-up”。
Metal后端稀疏Flash Attention做了三处改动
根据发布说明，这次改动包括：在共享内存中缓存稀疏FA索引；简化共享内存大小的计算；展开（unroll）稀疏索引的加载。
提交信息把上述改动标注为“优化sparse FA +清理”，并列出Assisted-by: pi:llama.cpp/DeepSeek-V4-Flash-Vision-Exp作为协助来源。
- 在共享内存中缓存稀疏FA索引
- 简化共享内存大小计算
- 展开稀疏索引加载
b11172提供的预编译包
发布页列出了多平台构建产物，涵盖macOS、iOS、Linux、Android、Windows与openEuler。
- macOS：Apple Silicon (arm64)、Intel (x64)，以及iOS XCFramework；其中启用KleidiAI的macOS Apple Silicon构建标注为DISABLED，指向PR #23780
- Linux：Ubuntu x64 / arm64 / s390x（CPU）、x64与arm64（Vulkan）、CUDA 12.8与CUDA 13.4、ROCm 10.0、OpenVINO 2026.4、SYCL FP32/FP16，以及Snapdragon（CPU、Adreno GPU、Hexagon NPU）
- Android：arm64（CPU）与arm64（Snapdragon：CPU、Adreno GPU、Hexagon NPU）
- Windows：x64与arm64（CPU）、arm64（OpenCL Adreno）、CUDA 12.4与CUDA 13.4、Vulkan、OpenVINO 2026.4、SYCL、ROCm 10.0
- openEuler构建标注为DISABLED，指向PR #23705