llama.cpp发布b11294，新增llama_prefetch_rows行预取并登陆Windows
该版本引入llama_prefetch_rows行预取功能，由Pranesh Gonegandla贡献的Windows移植版被原样合并；预取仅在lazy模式下启用，并通过llama-impl路由避免在模型代码中暴露llama-mmap。
AI解读：llama.cpp的b11294构建加入了一个叫llama_prefetch_rows的行预取功能，意思是在模型加载/推理时按“行”提前把数据取到手边，而不是等用到时再去取。它的直接作用是让惰性加载（lazy模式）下的内存访问更顺，减少等待。
PR #29599 把Windows上的移植版原样合并进来，贡献者署名Pranesh Gonegandla，共同作者包括Georgi Gerganov。代码层面还做了一件事：不让模型代码直接碰llama-mmap，而是走llama-impl路由，这样内部机制不会被上层误用。
限制是明确的：预取只在lazy模式下生效，而且增加了Windows检查。同时这个版本还顺手澄清了gemma4的padding token。这些都不是通用加速承诺，而是局部路径的调整，用的人得先确认自己是不是在lazy模式、跑的是不是对应平台。
llama.cpp发布b11294版本，主要变更是新增llama_prefetch_rows行预取功能（PR #29599）。
该PR的Windows移植由Pranesh Gonegandla贡献并被原样合并，共同作者包括Georgi Gerganov。
按提交说明，预取仅在lazy模式下启用，并增加了Windows检查；同时避免在模型代码中暴露llama-mmap，改为通过llama-impl路由。
同一PR还包含对gemma4 padding token的说明性修改。
PR #29599 的提交内容
llama.cpp在b11294构建中合并了PR #29599，标题为「llama: llama_prefetch_rows」。
提交列表显示：新增llama_prefetch_rows；为Windows提供行预取支持，采用 @praneshgo贡献的Windows移植版且未做改动；避免在模型代码中暴露llama-mmap，改由llama-impl路由；增加Windows检查；预取只在lazy模式进行；随后是清理、修构建，以及澄清gemma4的padding token。
发布产物覆盖平台
该版本的下载列表覆盖macOS/iOS、Linux、Android、Windows和openEuler，并包含UI包。
Linux侧提供Ubuntu x64/arm64/s390x（CPU）、Vulkan、CUDA 12.8、CUDA 13.4、ROCm 10.0、OpenVINO 2026.4，以及SYCL FP32/FP16，另有Snapdragon（CPU、Adreno GPU、Hexagon NPU）包。
Windows侧提供x64/arm64（CPU）、arm64（OpenCL Adreno）、CUDA 12.4、CUDA 13.4、Vulkan、OpenVINO 2026.4、SYCL、ROCm 10.0等构建；macOS提供Apple Silicon arm64与Intel x64包，以及iOS XCFramework。
列表中macOS Apple Silicon（启用KleidiAI）和openEuler相关构建标注为DISABLED，并附有对应PR编号 23780 与 23705。