llama.cpp两日更新覆盖多模态、推理与硬件后端
9 月 2 日至 3 日的连续构建加入Nemotron-3-Puzzle支持，并修正DeepSeek-V4视觉、Qwen3 TTS、Vulkan、CUDA与Metal路径。
AI解读：如果你在自己的电脑或服务器上跑模型，这批更新最实际的用处是补上模型和硬件之间的兼容缺口：新加入的模型能否加载、图片或音频能否正常输入、某种显卡后端是否出错，都比构建版本的数量更重要。用到Nemotron或报道所列视觉、语音模型的开发者有直接核对更新的理由；没有碰到这些问题的用户，不需要跟着31次构建逐个升级。CUDA和Metal的改动也不等于所有电脑都会更快，更新时应保留当前可用版本，用自己的模型和任务确认收益。
llama.cpp在两天内发布了 31 个自动构建版本。与其逐条展示构建号，本稿按功能归并主要变化：模型侧加入NVIDIA Nemotron-3-Puzzle-75B-A9B支持，并修正DeepSeek-V4-Flash-Vision与Qwen3 TTS 0.6B的多模态加载路径。
服务端新增视频和音频data URL输入；推理后端则覆盖Vulkan Flash Attention解量化路径、CUDA MoE加权归约融合、Metal调优、OpenCL越界读取修复以及多种Hexagon算子。
这些版本属于高频项目快照，包含大量平台二进制和小修复。生产环境升级时应锁定具体构建号，并针对所用模型与硬件后端单独回归。