llama.cpp b10757发布：Vulkan后端优化IQ3_S量化大batch矩阵-向量乘法
新版本在NUM_COLS > 4 时启用更高效的IQ3_S矩阵-向量kernel，n=8 批大小下性能提升达 5 倍。
AI解读：llama.cpp的新版本b10757主要解决了一个性能瓶颈：当使用Vulkan后端运行某些量化模型（IQ3_S类型）时，如果一次要处理多个token（batch size大于 4），计算矩阵-向量乘法的效率会很低。代码提交专门优化了这个场景，并称在batch size为 8 时速度提升到原来的 5 倍。这对Vulkan用户（比如在Linux或Android设备上通过集成显卡运行大模型的人）是直接利好，意味着可以更流畅地处理更大的并发请求，或是提高吞吐量。值得注意的是，本次只针对IQ3_S这种特定量化格式做了优化，其他格式或更小的batch不受影响；并且该优化是由AI辅助（Claude Opus 5）完成的代码，但具体效果仍建议用户在自己的硬件上实测验证。
llama.cpp发布b10757版本，针对Vulkan后端优化IQ3_S量化格式的矩阵-向量乘法在较大batch size下的性能。开发者在提交说明中称，当NUM_COLS大于 4 时，n=8 的场景性能提升 5 倍。
新版本同时将每个量化类型的两个测试用例加入 `k=16*256` 的 `all_types` mat-vec性能扫描，用于回归验证。