llama.cpp 的 ggml-cuda 为每个 warp 分配四个 GDN 状态列

ggml-org/llama.cpp 的 ggml-cuda 提交 PR #30087，由 SongXiaoXi 实现为每个 warp 分配四个 GDN 状态列。测试显示，Qwen 3.x 的提示词处理速度提升：pp512 从 3075.24 增至 3243.60 t/s（+5.5%），pp4096 从 3059.87 增至 3221.08 t/s（+5.3%），tg128 提升 0.1%。