llama.cpp 项目发布了版本 b10247，解决了在多后端设置下加载大型混合专家（MoE）模型时的稳定性问题。此次更新将后端调度器中的固定大小数组替换为动态分配的缓冲区，以处理超过 30 个输入张量的图分割。
- 使用动态分配替换 GGML_SCHED_MAX_SPLIT_INPUTS 用于分割图的输入。
- 修复加载宽 MoE 模型（如 Gemma 4、Qwen MoE、Mixtral 和 DeepSeek）时的崩溃问题。
- 更新 graph_size 计算，以使用实际输入数量而非固定常量。
- 提供适用于 macOS（Apple Silicon/Intel）、Linux（CPU/Vulkan/ROCm/OpenVINO/SYCL）、Windows（CPU/CUDA/Vulkan/OpenVINO/SYCL/HIP）、Android 和 iOS 的二进制文件。
此更改允许用户在拥有多个后端设备的系统上运行复杂的 MoE 架构，而不会遇到与调度器相关的崩溃。