# llama.cpp b11552 исправляет сбой контекста в занятом слоте сервера

Источник: https://modelium.tech/zhurnal/llama-cpp-b11552-busy-slot-context-fix/

В сборке llama.cpp b11552 от 10 октября исправлена ошибка сервера: новый запрос к занятому слоту мог изменить контекст ответа, который уже генерировался. Это важно тем, кто обслуживает несколько запросов и вручную закрепляет их за слотами. b11552 — предварительная сборка, а не новый стабильный релиз; другие проблемы с кешем она не объявляет решёнными.

Если локальный сервер llama.cpp отвечает сразу нескольким людям, один ответ не должен внезапно продолжить чужой текст. В предварительной сборке b11552 разработчики исправили конкретный случай, когда новый запрос к занятому слоту мог изменить контекст ответа, уже находившегося в процессе генерации. Сборка опубликована 10 октября 2026 года. [s1](#src-s1) [s2](#src-s2)

## Кого касается исправление

Слот — место на сервере, где обрабатывается один запрос и хранится его текущий контекст. Ошибка возникала при явном выборе слота параметром `id_slot`: пока слот генерировал ответ, второй запрос к тому же слоту мог запустить обновление кеша предыдущих запросов. Если в оперативной памяти находился более подходящий кеш, он загружался прямо во время первой генерации. Продолжение ответа тогда опиралось уже не на исходный контекст. Это не означает, что каждый параллельный запрос затронут: важны именно занятый слот, его явное назначение и описанный путь кеша. [s2](#src-s2) [s3](#src-s3)

В b11552 сервер сначала проверяет, занят ли явно указанный слот, и оставляет его без изменений до завершения текущей работы. Авторы добавили регрессионный тест: результат длинного ответа сравнивается с вариантом, в котором во время генерации отправлен второй запрос к тому же слоту. Это проверка в коде проекта, **не самостоятельный тест Modelium**. [s2](#src-s2)

## Что делать пользователю

Если вы просто общаетесь с одной моделью на своём компьютере и не задаёте `id_slot` вручную, по этому исправлению менять настройку не требуется. Если ваше приложение явно распределяет одновременно работающие запросы по слотам llama.cpp server, проверьте установленную версию и оцените переход на b11552 либо более позднюю сборку с этим исправлением. Сначала испытайте изменение на своих запросах: b11552 помечена как предварительная сборка, поэтому мы не выдаём её за стабильный выпуск. Новых весов моделей в этом релизе не объявлено. [s1](#src-s1) [s3](#src-s3)

Для понимания обычной очереди и слотов сервера есть отдельное [объяснение слотов llama.cpp](https://modelium.tech/zhurnal/llama-cpp-server-slots/). Оно полезнее установки предварительной сборки, если вы ещё не используете параллельные запросы.

## Чего исправление не обещает

Изменение относится к узкому пути с **явно закреплённым занятым слотом**. Открытый отчёт о восстановлении неродственного контекста из RAM-кеша при иной схеме параллельной работы остаётся отдельной проблемой; нельзя считать b11552 общим исправлением всех случаев смешения контекста или доказательством изоляции пользователей. [s2](#src-s2) [s4](#src-s4)

llama.cpp — программа с открытым исходным кодом под MIT; это не лицензия весов какой-либо конкретной модели. Скорость и аппаратные требования этим исправлением не измерялись редакцией. [s5](#src-s5)

## Источники

1. [llama.cpp release b11552](https://github.com/ggml-org/llama.cpp/releases/tag/b11552) — получено 2026-10-10
2. [ggml-org/llama.cpp pull request #30295](https://github.com/ggml-org/llama.cpp/pull/30295) — получено 2026-10-10
3. [llama.cpp server documentation at b11552](https://github.com/ggml-org/llama.cpp/blob/b11552/tools/server/README.md) — получено 2026-10-10
4. [llama.cpp issue #27148: RAM cache and unrelated conversations](https://github.com/ggml-org/llama.cpp/issues/27148) — получено 2026-10-10
5. [llama.cpp MIT license at b11552](https://github.com/ggml-org/llama.cpp/blob/b11552/LICENSE) — получено 2026-10-10