截至 2026-10-25 KST，ggml-org/llama.cpp 共公开了 13 个构建（b11857~b11877）。这一批只包含发布版本，变化大致分为两条线：一边是后端内核与模型支持的扩展，另一边是服务器与 RPC 路径的安全措施。
OpenCL 新增了 Q2_K 量化下的矩阵/向量运算与分块矩阵乘法，以及面向 Adreno 的 GEMM/GEMV 路径（b11873）。随后加入了 top-k 选择运算和 lightning indexer（b11874）；Hexagon 则在多核 flash attention 中按 KV head 划分工作组，使剩余核心也能参与计算（b11868）。Vulkan 修复了在 16 方向子组设备（Mali）上 warp tile 会覆盖相邻 tile 列的错误（b11876），并扩大了三维卷积的分块尺寸（仅限 coopmat2 路径）（b11877）。b11857 让间接矩阵乘法可以在指定索引 -1 时跳过相应计算，b11875 则把 Hexagon 的维度归约与重排泛化，使其统一适用于一元、二元和矩阵乘法运算。
模型方面，混合专家（MoE）路径的一致性得到了完善。b11858 会在最大归约包裹整行、无法按轴切分计算的架构上拒绝张量运算切分；b11861 修复了 MiniMax M3 每个专家的 NVFP4 缩放因子与每个张量的 MXFP8 缩放因子未传递到计算图的问题。服务器方面，b11871 在请求 JSON 嵌套深度超过 128 层时以 400 错误拒绝请求，堵住了服务器因栈溢出而崩溃的路径；b11865 在 RPC 接收路径中加入范围检查，阻止缓冲区之外的读取。b11867 将服务器执行入口重构为带有角色区分的结构，b11860 修正了此前在大批量大小下失败的上下文测试的验证流程。
不过这一批并未同时给出性能测量数据。面向 Adreno 的 Q2_K 内核调优与 Hexagon 的工作组划分在实际吞吐量上究竟相差多少，没有数字就难以判断。如果环境会直接采用单个构建，那么值得先确认会改变行为的 b11873 的 Q2_K 路径和 b11871 的嵌套深度限制。