model: buft probe 수정을 위해 ffn_latent를 MUL_MAT으로 태깅 (#23664)

ffn_latent_down/up는 LLM_TENSOR_INFOS에서 GGML_OP_MUL로 선언되어 있지만, nemotron-h는 이를 ggml_mul_mat을 통해 전달합니다. 로더의 buft probe는 백엔드에 선언된 연산(op)을 문의하며, 이 과정에서 q8_0 가중치에 대해 요소별(elementwise) MUL 연산을 테스트했습니다. 이전에는 이것이 무조건 true를 반환하여 운 좋게 가중치가 GPU에 남아 있었습니다. 하지만 supports_op가 실제 정보를 전달하게 되면서, probe는 no 응답을 받았고 로더는 가중치와 해당 matmul을 CPU로 밀어내어 그래프를 분리했습니다. 이를 MUL_MAT으로 태깅하는 것은 실제 질문을 던지는 것이며, 수학적 계산은 변경되지 않습니다.

Nemotron 3 Super 120B Q5_K_M에서 검증 완료: 64.9 t/s에서 다시 103.22 t/s로 복구되었습니다.

macOS/iOS:

• macOS Apple Silicon (arm64)
• macOS Apple Silicon (arm64, KleidiAI 활성화)
• macOS Intel (x64)
• iOS XCFramework

Linux:

<strong>Linux:</strong>

• Ubuntu x64 (CPU)
• Ubuntu arm64 (CPU)
• Ubuntu s390x (CPU)
• Ubuntu x64 (Vulkan)
• Ubuntu arm64 (Vulkan)
• Ubuntu x64 (ROCm 7.2)
• Ubuntu x64 (OpenVINO)
• Ubuntu x64 (SYCL FP32)
• Ubuntu x64 (SYCL FP16)

<strong>Android:</strong>

• Android arm64 (CPU)

<strong>Windows:</strong>

<strong class="text-lg font-bold">Windows:</strong>

• Windows x64 (CPU)
• Windows arm64 (CPU)
• Windows x64 (CUDA 12) - CUDA 12.4 DLLs
• Windows x64 (CUDA 13) - CUDA 13.1 DLLs
• Windows x64 (Vulkan)
• Windows x64 (SYCL)
• Windows x64 (HIP)

openEuler:

• openEuler x86 (310p)
• openEuler x86 (910b, ACL Graph)
• openEuler aarch64 (310p)
• openEuler aarch64 (910b, ACL Graph)

UI:

• UI