llama.cpp 0.6.0 发布：加入扩展 batch API、决策模型 /v1/systemone、GLM-5.3-Flash 与新模型下载 UI

这次有什么变化

llama.cpp 10 月 5 日发布 0.6.0。版本引入 llama_batch_ext / llama_process()，支持 token 与 embedding 混合 batch 及 MTP/deepstack state embedding；server 新增 /v1/systemone 决策模型 API，并加入 GLM-5.3-Flash、Clef、Ling 3.0 VL 等模型支持。Qwen4Exp 获得 MTP speculative decoding，项目在 DGX Spark 上报告约 1.5× decode 加速；Apple Metal 新增 F16 KV flash attention 与少行 MMA matmul，项目称部分场景最高约 3×。Web UI 也重做 Hugging Face Hub 数据层、模型下载和内存适配估算。