Vulkan成为最后一个为DeepSeek-V4添加融合算子（DSV4_HC_COMB/PRE/POST）的主要后端，此前在Strix Halo上未融合的Sinkhorn链约占解码操作时间的 32%。
llama.cpp发布b10844版本，为Vulkan后端添加了DeepSeek-V4超连接（hyper-connection）的融合算子DSV4_HC_COMB、DSV4_HC_PRE和DSV4_HC_POST。此前CUDA已在DeepSeek-V4合并中引入这些算子，Metal在PR 26459中加入，Vulkan是最后一个仍在运行未融合原始算子链的主要后端。
性能背景与实现细节
根据发布说明，在DeepSeek-V4-Flash上，gfx1151（Strix Halo）设备中未融合的Sinkhorn组合链单独约占解码操作时间的 32%，分布在每token约 16,000 次调度中。新的dsv4_hc_comb在寄存器中运行完整的 20 次迭代Sinkhorn算法，每个token的 4x4组合矩阵位于 16 个连续子组通道中，通过subgroupShuffleXor按 1|2 减小行、按 4|8 减小列，以匹配CPU参考布局。一次调度取代了每个站点约 137 次严格有序的节点执行。由于shuffle掩码从不跨越 16 通道边界，大小为 64 的子组可打包 4 个独立token。dsv4_hc_pre和dsv4_hc_post处理逐元素流折叠和扇出，每个token的系数暂存在共享内存中。
- 新的 _COMB、_PRE、_POST变体可独立启用或禁用，便于将单个内核与未融合图进行对比。
- 环境变量GGML_VK_DISABLE_DSV4_HC可禁用全部三个算子。
- 在生产n_iter=20 下，跨子组和工作组边界的批量大小增加了评估用例。
版本构建说明
b10844提供多个平台的预编译二进制：macOS Apple Silicon (arm64) 及Intel (x64)、iOS、Ubuntu x64/arm64/s390x的CPU和Vulkan构建、ROCm 10.0、OpenVINO、SYCL（FP32/FP16）等；Windows提供CPU、CUDA 12.4/13.3/13.4、Vulkan、OpenVINO、SYCL、ROCm 10.0等构建；另有Android arm64 (CPU) 和Windows arm64 (OpenCL Adreno) 构建。
macOS Apple Silicon的KleidiAI启用版本当前处于禁用状态，相关PR为 #23780；openEuler的x86/aarch64（310p、910b ACL Graph）构建同样被禁用，相关PR为 #23705。