llama.cpp 用 C/C++ 进行大语言模型（LLM）推理，拥有 131822 个 star。2026 年 10 月 20 日当天从 b11753 到 b11756 共发布了三个版本，没有单独的提交分组。这三处触及的层次各不相同。b11753 在 Tekken 和 GPT-4o 预分词器（把文本拆分为 token 单位的步骤）正则中加入了 \p{M}，扩大了对组合字符记法的处理范围；b11755 修复了 Metal 上每个 token 使用 9 个专家的 MoE（Mixture of Experts，即每个 token 只让部分专家参与计算的方式）内核中缺失的变体。
剩下的一次与服务器行为有关。将符合 Anthropic 规范的 /v1/messages 请求转换为内部 OpenAI 格式时，id_slot 被漏掉了，因此指定了持有 KV 缓存的槽位的请求变成了自动选择，缓存也随之被重新计算。其他 completion 端点会照常接收 id_slot，所以这个问题是仅出现在某条协议转换路径上的不对称。修复的同时也加入了测试，用来确认指定的槽位确实被使用。b11753 的构建还附带面向多种 CPU、GPU 和移动环境的可执行文件。
依据只有发布说明中的变更列表。b11755 的修复仅限于 Apple Silicon 执行路径中相应的内核处理，b11753 的正则扩展对实际分词结果的影响也没有以对比数值给出。同时也没有附带性能或准确率指标。因此，这组更新应理解为分词器范围的补全和特定路径上的缺陷修复，至于它对整体性能有何波及，目前判断还为时过早。