llama.cpp b10723发布：针对Intel Xe-LP GPU优化量化路径，提升生成与预填充性能
新版本改进了OpenCL后端在Intel Xe-LP显卡上的Q4_K/Q5_K量化矩阵运算，通过调整tile和N_DST参数带来性能提升。
AI解读：llama.cpp这次更新专门针对Intel Xe-LP核显（常见于轻薄本和移动设备）优化了OpenCL量化路径。此前，在Intel GPU上跑 4-bit或 5-bit量化模型时，矩阵乘法的并行度设置不理想，导致token生成（TG）和预填充（PP）速度偏慢。这次通过把Q4_K/Q5_K的mul_mv操作N_DST从 4 提到 8（Q4_K后续再提到 16）、并为mul_mm启用 8x8 tile，让激活值能复用两次，显存带宽利用更充分。实际效果是：如果你用Intel Xe-LP核显跑llama.cpp，生成速度和处理提示词的速度会有提升。普通用户如果不用这种GPU或只跑CPU，本次更新没有影响；相关用户直接拉取新版本二进制或源码重新编译即可。注意，这只是软件层面的调优，不改变模型质量或兼容性，具体提速幅度没有公布基准数字。
llama.cpp发布b10723版本，主要工作是为OpenCL后端在Intel Xe-LP GPU上的量化路径调优，目标是改善token生成（TG）和预填充（PP）性能。改动来自PR #26438。
针对Intel Xe-LP的OpenCL量化路径调整
此次更新包含四项具体改动，全部针对Intel GPU的OpenCL实现：将Q4_K/Q5_K的mul_mv操作N_DST参数从 4 提高到 8，以支持 2 倍激活复用；为Intel的Q4_K mul_mm启用 8x8 tile；为Intel的Q5_K mul_mm启用 8x8 tile；将Intel的Q4_K mul_mv N_DST参数从 8 进一步调整为 16。