llama.cpp b10208 版本引入了对 oneMKL GEMM flash attention 的 SYCL 支持，从而启用 XMX 硬件加速以处理提示。这一变更通过利用 MKL 内核而非默认的 TILE 路径，显著提升了 Intel Arc GPU 上的推理速度。
- 性能基准测试显示，在 B70/Battlemage 硬件上，Gemma-4-26B 的速度提升了 1.97 倍（1473 t/s 对比 746 t/s），Qwen3.6-27B 的速度提升了 1.85 倍（609 t/s 对比 330 t/s）。
- 该实现修复了 normalize 内核中交错目标布局的 bug，这些 bug 此前会导致大多数模型的注意力输出损坏。
- MKL flash attention 现已对所有 KV 缓存类型（F16、BF16、F32 和量化）启用，移除了之前仅针对量化缓存的限制。
- 新的环境变量允许用户通过 GGML_SYCL_ENABLE_MKL_FA 启用调试、禁用该功能或控制激活阈值。
此更新在保持与标准实现相同的困惑度（perplexity）的同时，为兼容 Intel 硬件上的多 token 预填充操作提供了显著的延迟降低。