ggml-org/llama.cpp 是一个用 C/C++ 实现的 LLM 推理项目。2026 年 10 月 19 日发布的 b11723 版本改进了 Hexagon 后端的 FLASH_ATTN_EXT。变更针对的是长上下文与滑动窗口注意力模型的处理。据 GitHub 发布记录说明，它调整了跳过被掩码块以及切换计算路径的判定标准。
本次改动的目的，是在该模型处理中减少不必要的数据传输，并细化对符合实际情况的计算路径的选择。跳过已应用掩码的块会带来传输量的减少，而切换判定标准的调整也会改变计算路径的选择方式。因此，b11723 中可以确认的是一处涉及 Hexagon 后端特定注意力路径的实现改动，这正是本次发布的范围。没有依据把它扩大为整个项目或所有后端的改动。
不过，发布记录并未单独验证实际性能收益。处理速度或延迟变化了多少，给出的信息中没有说明，因此仅凭数据传输的减少，不能断定体感性能有所提升。可以确认的范围，限于面向长上下文及滑动窗口注意力模型的 Hexagon 路径的处理改进及其实现内容。性能效果在经过单独验证之前，仍属于未确认状态。