本次更新包含两个ggml-cuda补丁：修复f16 flash attention中的divergent barrier问题，并避免重复的元数据指针设置。修复主要影响NVIDIA GPU上使用半精度Flash Attention的场景。
AI解读：llama.cpp的这次更新专门修复了NVIDIA GPU（CUDA后端）上使用半精度（f16）Flash Attention时可能出现的同步问题。所谓 'divergent barrier' 指的是在GPU并行执行中，不同线程（或warp）到达同步点的时间不一致，导致部分线程等待或错误退出，可能引发性能下降、计算错误甚至内核挂起。修复对象是使用Flash Attention加速库的f16路径，因此影响的是在NVIDIA显卡上运行大模型且启用Flash Attention的本地用户。对于大多数通过官方预编译包升级的用户，安装新版本即可获得修复，无需额外操作；如果自编译且代码被修改过，则建议同步合入这两个补丁。注意，本次版本中macOS的KleidiAI加速包被标记为DISABLED，相关用户需留意后续说明。
llama.cpp发布b10835版本，包含两个针对ggml-cuda模块的修复：解决f16 Flash Attention中的divergent barrier问题，并避免重复的元数据指针设置。
修复内容与背景
根据发布说明，b10835包含两项合并的补丁（分别对应PR #27870 及后续提交）。第一个修复针对半精度Flash Attention实现中的divergent barrier——即GPU线程到达同步屏障时产生分歧导致的行为异常；第二个改动移除了元数据指针的重复初始化。
Flash Attention是加速注意力计算的关键内核，广泛用于本地推理。该修复对使用NVIDIA GPU且以半精度（f16）运行Flash Attention的用户具有实际意义，可能消除潜在的死锁或错误结果。
各平台构建与下载
新版本为macOS、Linux、Windows、Android和iOS提供预编译二进制。macOS提供Apple Silicon（arm64）和Intel（x64）构建，但标注KleidiAI的arm64构建已被禁用（禁用原因指向PR #23780）。Linux提供Ubuntu x64/arm64/s390x CPU版、Vulkan、ROCm 10.0、OpenVINO、SYCL FP32/FP16等变体。Windows提供CPU、CUDA 12、CUDA 13、Vulkan、OpenVINO、SYCL、ROCm 10.0以及arm64的OpenCL Adreno和CUDA 13（预览）构建。
Android提供arm64 CPU构建，iOS提供XCFramework。此外，openEuler的Ascend相关构建（310p、910b）在本版本中标记为DISABLED（禁用缘由指向PR #23705）。发布页还提供UI压缩包以及各CUDA版本的运行时DLL文件。