# llama.cpp b11559: Gemma 4 перестала переходить на CPU в OpenCL

Источник: https://modelium.tech/zhurnal/llama-cpp-b11559-opencl-gemma4-gpt-oss/

В предварительной сборке llama.cpp b11559 исправили обработку Gemma 4 через OpenCL: по данным разработчиков, при включённом ускорении внимания модель в проверенном сценарии больше не переключается на процессор. Для gpt-oss 20B авторы также показали ускорение генерации. Это не стабильный релиз и не гарантия такого же результата на вашем устройстве.

Если вы запускаете Gemma 4 на устройстве с графическим ускорителем через OpenCL, новая сборка llama.cpp может устранить досадный переход части вычислений на обычный процессор. Это изменение появилось 11 октября 2026 года в **предварительной**, а не стабильной сборке b11559. Ничего срочно переустанавливать не требуется: имеет смысл следить за стабильным выпуском или проверять новую сборку только если вы уже умеете откатывать обновление. [s1](#src-s1) [s2](#src-s2)

## Что изменилось

OpenCL — способ задействовать графический ускоритель (GPU) для вычислений модели; документация llama.cpp в первую очередь описывает этот путь для графики Qualcomm Adreno на Android и Windows 11 Arm64. Авторы исправили ситуацию, когда Gemma 4 при включённом ускоренном механизме внимания (Flash Attention) в определённой конфигурации переходила на CPU. Изменение также касается генерации ответов моделью gpt-oss 20B. Оно относится к коду программы, а не к выпуску новых весов моделей. [s2](#src-s2) [s3](#src-s3)

## Что показали авторские проверки

В описании изменения разработчики сравнили прежний код и новый на gpt-oss 20B в формате MXFP4: **16,59 и 29,01 токена в секунду** при их настройках OpenCL и задании генерации 256 токенов с контекстом 16 384. Для Gemma 4 E4B Q4_0 прежний вариант в их сценарии переключался на CPU, а новый дал **20,58 токена в секунду**. Это замеры авторов PR, а не независимый тест Modelium; оборудование в таблице не указано, поэтому переносить цифры на ваш телефон или ноутбук нельзя. [s2](#src-s2)

## Что делать пользователю

Если модель уже работает и скорость устраивает, можно ничего не менять. Если вы используете OpenCL и сталкивались именно с переходом Gemma 4 на CPU, проверьте после появления совместимой сборки, задействован ли GPU, и сравните скорость на одном и том же запросе до и после обновления. Документация перечисляет проверенные сочетания ОС и Adreno, но это **не** список минимальных требований для каждой модели; память и совместимость конкретной машины следует проверять отдельно. Готовый домашний рецепт здесь не приводим: сборка предварительная, а редакция не запускала её на устройстве. [s1](#src-s1) [s3](#src-s3)

Код llama.cpp опубликован под MIT License; права на веса Gemma 4 и gpt-oss определяются отдельно их собственными условиями. Следующий шаг — посмотреть релиз и дождаться стабильной версии, если вам не нужно срочно исследовать OpenCL. [s1](#src-s1) [s4](#src-s4)

## Источники

1. [llama.cpp b11559: предварительный релиз](https://github.com/ggml-org/llama.cpp/releases/tag/b11559) — получено 2026-10-11
2. [ggml-org/llama.cpp PR #30266: OpenCL Flash Attention для Gemma 4 и gpt-oss](https://github.com/ggml-org/llama.cpp/pull/30266) — получено 2026-10-11
3. [Документация OpenCL backend в llama.cpp b11559](https://github.com/ggml-org/llama.cpp/blob/b11559/docs/backend/OPENCL.md) — получено 2026-10-11
4. [MIT License llama.cpp в b11559](https://github.com/ggml-org/llama.cpp/blob/b11559/LICENSE) — получено 2026-10-11