此修复改变了GDN q/k归一化的epsilon处理方式，影响Qwen3-Next等模型的数值行为，cuda、vulkan等预编译二进制已同步更新。
AI解读：llama.cpp在b10829中修正了GDN（Gated DeltaNet）的q/k归一化：此前用ggml_l2_norm（x / max(sqrt(sum(x*x)), eps)），与参考实现flash-linear-attention的l2norm（x * rsqrt(sum(x*x) + eps)，eps在根号内）不一致，实际归一化时epsilon完全不生效。修复改为rms_norm方式计算后，与参考对齐。这直接影响加载了Qwen3-Next等GDN结构检查点的本地推理用户——此前可能因归一化数值偏差影响模型输出或精度，更新b10829后数值行为更接近原版实现。如果你目前在用旧版llama.cpp跑Qwen3-Next，建议重新构建或下载新二进制后重测一次输出；普通用户如果只跑常规模型，无需特别处理，因为改动不涉及这些结构。修复未新增ggml算子，兼容性不受影响。
llama.cpp发布b10829版本。本次改动的核心是修复GDN（Gated DeltaNet）中q/k归一化的实现，将其从基于max的ggml_l2_norm改为与flash-linear-attention参考实现一致的rsqrt形式，使epsilon的处理与模型设计对齐。
修复内容：GDN归一化对齐参考实现
提交说明指出，flash-linear-attention将GDN的q/k归一化定义为l2norm(x) = x * rsqrt(sum(x*x) + eps)，其中epsilon位于根号内部。而llama.cpp中所有GDN调用点使用的ggml_l2_norm实现为x / max(sqrt(sum(x*x)), eps)，这等价于PyTorch的torch.nn.functional.normalize（其CUDA内核引用了该公式）。由于clamp操作在这些数值量级下从不生效，实际上llama.cpp之前在归一化时完全不使用epsilon，而参考实现则是在根号内包含epsilon。
这一差值此前也影响了transformers：当它最初加入Qwen3-Next时做出了相同的替换，并在三天后通过huggingface/transformers#40842 修正，提交说明为 'Fix the misalignment between the l2norm in GDN of Qwen3-Next and the implementation in the FLA library'。相比之下，vLLM和SGLang直接集成了FLA库，因此从未出现这个clamp问题。
- 修复未引入新的ggml算子：利用rms_norm已支持根号内epsilon的特性，通过rms_norm(x, eps/n) * (1/sqrt(n)) 精确实现x * rsqrt(sum(x*x) + eps)。
- ggml_l2_norm函数本身保持不变，其原有调用者rwkv7-base继续使用normalize的默认epsilon 1e-12，不受此次修改影响。
- 参考实现中对GDN归一化硬编码epsilon为 1e-6，但提交说明认为这是单独的问题，目前对现存所有GDN检查点而言两种方式结果一致。
- epsilon值始终来自检查点（checkpoint），与之前的调用方式相同。