llama.cpp b11413 版本引入了新的基于 Vulkan 的稀疏闪存注意力实现，支持量化的键和值张量。此更新解决了之前压缩方法中的性能问题，该方法对于具有大上下文窗口的解码任务来说成本过高。
- 新方法将行拆分为由子组或线程处理的连续段，使用合并加载上的投票计数来维护升序索引列表。
- 预构建的二进制文件适用于 macOS（Apple Silicon 和 Intel）、Linux（CPU、Vulkan、CUDA 12/13、ROCm、OpenVINO、SYCL、Snapdragon）、Windows（CPU、Vulkan、CUDA、OpenVINO、SYCL、ROCm）、Android 和 iOS。
- 该版本还包括 llama.cpp UI 和安全验证的认证。