llama.cpp b11774修正LFM2系列视觉模型图像切块与transformers不一致问题
llama.cpp发布b11774，mtmd组件让LFM2系列图像切块直接拉伸到网格、裁切与缩略图尺寸改用Python的round半偶舍入和双精度计算，称在 [1,4096]² 范围内每个尺寸都与transformers对齐。
AI解读：llama.cpp发布版本b11774，核心改动在mtmd组件，由贡献者Xuan Son Nguyen参与。
第一处修正：Lfm2VlImageProcessor.crop_image_to_patches会先把图像直接缩放到 (512*rows, 512*cols) 再切块，而llama.cpp此前保持宽高比并补黑边（仅d1-omni拉伸），因此除非图像宽高比恰好等于网格比例，d1-3B及所有LFM2-VL / LFM2.5-VL的切块与transformers不同；在PAD_NONE下现在与transformers一致。
第二处修正：transformers的smart_resize用Python round（半偶舍入）并以双精度计算beta和网格宽高比，llama.cpp此前用std::round和float，导致 [1,4096]² 内 1670 万个尺寸中有 31926 个缩略图尺寸或网格与Python不同，例如 400x600得到 416x608而非 384x608、720x1600得到 2x5块而非 2x4。
改动后lfm2的smart resize与网格选择跟随Python代码，称在该范围内每个尺寸都与transformers一致。
发布页同时提供macOS、iOS、Linux、Android、Windows等多平台预编译包，其中macOS Apple Silicon的KleidiAI版本与openEuler构建标注为DISABLED。
llama.cpp发布b11774，主要改动是让mtmd组件中LFM2系列视觉模型的图像切块与布局和transformers保持一致，提交信息标注为 #30261，共同作者为Xuan Son Nguyen。发布页附带了各平台预编译二进制包。
切块改为直接拉伸到网格
提交说明称，transformers的Lfm2VlImageProcessor.crop_image_to_patches会先把图像直接缩放到 (512*rows, 512*cols)，再切成小块。llama.cpp此前对LFM2保持宽高比并补黑边，只有d1-omni采用拉伸方式。
因此，除非原图宽高比恰好等于网格比例，d1-3B以及所有LFM2-VL / LFM2.5-VL模型在llama.cpp中的切块与transformers不同。改动后，在PAD_NONE模式下切块与transformers相同。
缩略图尺寸与网格改用Python舍入和双精度
第二处改动针对smart_resize。提交说明称，transformers的Lfm2VlImageProcessor.smart_resize使用Python的round（半偶舍入），并以双精度计算beta和切块网格的宽高比；llama.cpp此前使用std::round和float。
这导致在 [1,4096]² 范围内的 1670 万个尺寸中，有 31926 个得到的缩略图尺寸或网格与transformers（以及d1-omni的vision.py）不同。提交给出两个例子：400x600被算成 416x608，而Python结果是 384x608；720x1600被切成 2x5块，而Python给出 2x4。
改动后lfm2的smart resize和网格选择遵循Python代码，提交方称在该范围内每个尺寸都与之匹配。
预编译包与构建状态
发布页列出macOS Apple Silicon（arm64）、macOS Intel、iOS XCFramework、Ubuntu（x64/arm64/s390x，含CPU、Vulkan、CUDA 12.8、CUDA 13.4、ROCm 10.0、OpenVINO 2026.4.1、SYCL FP32/FP16）、Linux arm64骁龙（CPU、Adreno GPU、Hexagon NPU）、Android arm64、Windows（CPU、CUDA 12.4/13.4、Vulkan、OpenVINO、SYCL、ROCm 10.0）等构建下载。
发布页中，macOS Apple Silicon启用KleidiAI的构建与openEuler各构建标注为DISABLED。提交说明未提供精度或速度方面的评测数据。