llama.cpp最新PR通过使用f16掩码优化FlashAttention，可节省高达1.2GB显存，尤其对MTP和大上下文模型效果显著。贡献者am17an获社区高度认可，被赞“年度贡献者”，网友期待未来能用8GB显存运行100B模型。