llama.cpp b10883发布：Vulkan矩阵乘法改用规范常量并修复Ampere回归
新版本以Vulkan后端优化为主，引入规范常量处理矩阵乘法A类型，并针对Ampere架构回归拆分着色器进行修复。
AI解读：这次llama.cpp更新是给Vulkan后端的专项优化，核心动作是把矩阵乘法里的A类型改用规范常量（spec constant）来处理，相当于把原本运行时才确定的参数提前到编译期，减少重复编译和调度开销，对Vulkan用户来说推理速度可能有提升。
它还把Q4_K/Q5_K的coopmat2优化单独拆成独立着色器，专门修复此前在Ampere架构上的性能回退，说明团队盯紧的不仅是功能，还有不同显卡型号上的实际表现。
对普通玩家来说，如果你在Linux或Windows上用Vulkan跑llama.cpp，可以下载b10883对应包试一下；N卡Ampere用户（如RTX 30系）尤其值得更新，因为那个回归修复就是冲着你来的。
llama.cpp发布b10883版本，核心改动是Vulkan后端在矩阵乘法（mul mat）中为A类型引入规范常量（spec constant），以替代原先的固定处理方式，同时合并共享内存表、精简代码，并修复了若干量化类型和编译器兼容问题。
Vulkan后端改动细节
本次提交 #25773 将Vulkan矩阵乘法中的type_a参数改为使用规范常量，并引入映射表处理mul_mm形状，简化了共享内存表并按类型缩小其体积。作为回退机制，最小共享内存大小被设为 8 而不是 1，以规避cm2编译器的一个bug。
改动还移除了统一着色器中的LUT量化类型，并恢复了coopmat2的Q4_K/Q5_K优化。为修复Ampere架构上的性能回退，Q4_K/Q5_K的cm2着色器被拆分为独立文件。此外，代码改用单个uint8_t缓冲区简化cm2实现，修复了fp4扩展开关被通用着色器覆盖的问题，并适配了TQ1_0与 #27471 的f16 Intel调优改动。
- 使用规范常量处理mul mat的type_a，提前编译期决策以减少运行时开销
- 通过映射表管理mul_mm形状并整合共享内存，减小按类型分配的内存
- 修复缺失的Q2_0类型支持及无glslc整数点积时的警告
- 拆分Q4_K/Q5_K的cm2着色器，以修复Ampere架构上的性能回退
- 将cm2代码简化为单一uint8_t缓冲区，并修复fp4扩展开关被覆盖的问题
发布与构建状态
b10883提供了多平台预编译包，覆盖macOS（Apple Silicon、Intel）、iOS、Ubuntu x64/arm64/s390x、Android arm64、Windows x64/arm64，以及多种加速后端，包括Vulkan、ROCm 10.0、OpenVINO、SYCL（FP32/FP16）、CUDA 12.4/13.3/13.4、OpenCL Adreno（仅arm64）。
需要注意，本版本的macOS Apple Silicon（KleidiAI启用）构建被禁用，相关的openEuler（310p与 910b ACL Graph）构建也被标记为DISABLED，分别对应拉取请求 #23780 和 #23705。Windows arm64的CUDA 13构建标注为预览版。
- macOS Apple Silicon（arm64）构建可用，但KleidiAI启用版本已禁用
- openEuler的Ascend 310p和 910b构建已禁用
- Windows arm64的CUDA 13.4构建为预览版，仍提供下载
- UI构建包（llama-b10883-ui.tar.gz）同样提供，供配套使用