Eval bug: [Bug] server-intel latest crashes during warmup on Intel Arc iGPU (Meteor Lake)

快速结论：该报错发生在 Intel Arc iGPU（Meteor Lake）上运行 llama.cpp 最新版 SYCL 后端时，模型热启动（warmup）阶段进程静默崩溃。优先排查并移除环境变量 SYCL_CACHE_PERSISTENT=1，该优化在新版本中已失效并导致崩溃。

适用环境：llama.cpp server-intel 最新版（版本号 8667，c08d28d08），SYCL 后端，Intel Arc Graphics（Meteor Lake-P，Core Ultra 7 155H），Linux/Unraid 7.3.0，i915 内核驱动，Docker 部署。

最快修复方案：在 Docker 环境变量中删除 SYCL_CACHE_PERSISTENT=1。Issue 中用户确认移除该变量后静默崩溃消失，warmup 恢复正常。

注意事项：该修复方案仅在原 Issue 的 Linux/Unraid + Meteor Lake 环境中验证。Windows 11 用户报告类似问题时，即使未设置该变量仍会失败，说明 Meteoro Lake iGPU 与 SYCL 后端可能存在更深层的兼容性问题。

问题场景

用户在 Docker 容器中运行 ghcr.io/ggml-org/llama.cpp:server-intel（最新版）启动 llama-server，加载 Qwen3.5-4B 或 gemma-4-E2B 等 GGUF 模型。进程能正常加载 SYCL 后端、将模型全部层（33/33）卸载到 GPU（占用 5665 MiB），但在打印 warming up the model with an empty run 后进程静默退出，无任何错误信息、segfault 日志或 SYCL 错误输出。

报错原文

load_backend: loaded SYCL backend from /app/libggml-sycl.so
load_backend: loaded CPU backend from /app/libggml-cpu-alderlake.so
version: 8667 (c08d28d08)
built with IntelLLVM 2025.3.2 for Linux x86_64

Eval bug: [Bug] server-intel latest crashes during warmup on Intel Arc iGPU (Meteor Lake) — regression from b8477

Reaches "warming up the model with an empty run"
Process dies silently — no error message, no segfault log, no SYCL error

原因分析

根据 Issue 中的定位，根本原因是 SYCL_CACHE_PERSISTENT=1 环境变量。该变量用于启用 SYCL 持久化缓存优化，但在新版本（8667）中该优化已失效，导致 warmup 阶段触发静默崩溃。回退到旧版本 b8477 则正常，说明这是一个从 b8477 引入的回归问题。

可能原因还包括：新版本（8667）未打印构建版本字符串（日志中缺少 version 行），提示构建流程或启动路径可能有变化；Meteor Lake iGPU 的 Level Zero 驱动与新版 SYCL 后端存在未完全兼容的问题。

环境排查

确认 llama.cpp 版本：server-intel 镜像的版本号是否为 8667（c08d28d08），旧版 b8477（ec2b787eb）是否正常。
检查 GPU 设备：lspci | grep -i vga 应显示 Meteor Lake-P [Intel Arc Graphics]。
核对 Docker 环境变量：重点检查是否设置了 SYCL_CACHE_PERSISTENT=1。
确认内核驱动：modinfo i915 应输出描述为 Intel Graphics。
确认 Intel 编译器版本：新版为 IntelLLVM 2025.3.2，旧版为 2025.2.1（仅记录，不一定是根因）。

解决步骤

编辑 Docker Compose 文件，在 environment 部分删除 SYCL_CACHE_PERSISTENT=1 这一行。
重新启动容器：docker compose up -d llama 或使用你惯用的容器启动命令。
等待模型加载完成，确认 warmup 阶段能顺利通过。
如果删除该变量后仍崩溃，可优先尝试回退镜像到 ghcr.io/ggml-org/llama.cpp:server-intel-b8477，该版本已验证可用。
若问题依旧且使用 Windows 系统，可尝试旧版本 b5377（Issue 中用户确认可正常工作），但需注意这是较老版本，功能可能不完整。

验证方法

启动容器后观察日志：若能正常打印 server is listening on http://0.0.0.0:8080 之类的监听消息，且 warmup 耗时约 15 秒完成，说明问题已解决。也可以执行一次简单的推理请求（如 llama-cli -m model.gguf -p "hi" -n 5），确认输出正常且进程不会意外退出。