调研窗口：2026-10-28 06:00 ~ 2026-10-29 06:00（北京时间，24 小时；周四晨报，窗口自上一期日报截点接续）。

信源：GitHub（org: flagos-ai 61 仓库全量核查、提交检索 99 笔、合并 PR 67 笔与在审 PR 288 笔检索、org 事件流 100 条、31 仓 Release/Tag 原子核查、7 仓原子补核、关键 PR 正文与产物规模核查）、Google News RSS（24 组中英文查询词，走代理）、HN Algolia（8 组）、CSDN FlagOS 专栏、智源社区、八家成员单位官网（详见附录信源清单）。

本期索引

  • 今日重点：地平线 BPU 接成 eager 算子后端；FlagCX 打出 v0.14.1 标签并补齐三家 rpm 后端；摩尔线程开源 Megatron-MUSA-Titan（10-28）
  • 一、开源项目进展（GitHub 动态）
    • 1.1 组织节奏：23 仓推送、99 笔提交、67 笔合入，在审回落至 288 笔（10-28 ~ 10-29）
    • 1.2 版本面：FlagCX 打出 v0.14.1，设备位码改为按适配器生成（10-28）
    • 1.3 FlagGems：昆仑芯标量链融合提速十倍，燧原参考实现批量修复在审（10-28）
    • 1.4 FlagGems-sglang：AMD gfx1100 补 Mamba 算子，燧原 core_shapes 真正生效（10-28）
    • 1.5 编译器：FlagPrism 接入燧原，昇腾 TensorView 取存降低，FlagMega 提速 RDNA 解码（10-28）
    • 1.6 推理与训练栈：燧原 Qwen3.5 FP8 上 GCU，融合全归约 RMSNorm 进 FlagGems-vllm（10-28）
    • 1.7 构建与发布：changelog 上站与 Harbor，撤回两笔从未推送的寒武纪镜像（10-28）
    • 1.8 规则面：FEP-0140 转 Implementable，FEP-0141 收窄到 SGLang 0.5.18（10-28）
    • 1.9 其余仓库：optest 接入燧原 CI，FlagTensor 昇腾常驻网格，FlagQuantum 置位一致性（10-28）
  • 二、新闻报道与生态
    • 2.1 报道面：摩尔线程开源 Megatron-MUSA-Titan，24 组查询仅此一条有效（10-28）
    • 2.2 渠道与官网：CSDN 仍停 10-22，HN 与智源社区无新命中（10-28）
  • 三、成员单位与后端厂商深挖
    • 3.1 地平线：BPU 首次成为可逐算子执行的 PrivateUse1 后端（10-28）
    • 3.2 昆仑芯：标量链融合与连续段内核，P800 上的三处提速（10-28）
    • 3.3 天数：卷积走工况档位表，conv3d 去掉通道补零（10-28）
    • 3.4 燧原：Qwen3.5 FP8 上 GCU、core_shapes 落账、FlagPrism 首次接入（10-28）
    • 3.5 达摩院玄铁：PPU 上的 MiniMax 稀疏注意力，几何均值 1.8 倍（10-28）
    • 3.6 清微、曦望、海光：FlagCX 的 rpm 打包补齐三家后端（10-28）
    • 3.7 摩尔线程：Megatron-MUSA-Titan 开源与三季度报告同日（10-28）
  • 四、总结与趋势观察
  • 附录：信源核查表与完整信源清单

今日重点：地平线 BPU 接成 eager 算子后端；FlagCX 打出 v0.14.1 标签并补齐三家 rpm 后端；摩尔线程开源 Megatron-MUSA-Titan（10-28）

日期：2026-10-28　来源：Torch-FL PR #674 · FlagCX tag v0.14.1 · FlagCX PR #673 · IT之家报道 · Megatron-MUSA-Titan 仓库（全量见附录）

  • 新后端面：Torch-FL 合入地平线 BPU 的逐算子执行层（#674，31 文件加 5698 行减 145 行）。此前 BPU 在 PrivateUse1 上不注册任何计算算子——hbDNNInferV2 只接受整张已编译图，于是每个 aten 调用都落到 cpu_fallback，backends_bpu.conf 是空的。本笔补上缺失的中间层：板上之外的 x86 侧用 hbdk4 编出单算子 .hbm 产物库、生成提交这些产物的 C++ 内核、再加一条 drobotics conf 路由。覆盖 40 个逐元素算子（32 个一元、8 个二元）、11 个形状分桶，RDK S600 上 440 个产物逐一对 NumPy 比对零差异。
  • 版本面：FlagCX 在 10-28 17:25 打出 v0.14.1 标签（commit 7ed4a82，标题为「按适配器生成设备位码，不再硬编码英伟达」，即 10-18 合入的 #668）。该标签只有 git tag、没有 GitHub Release 正文，前一版 v0.14.0 的正式 Release 停在 9-28。同一档案还可见 v0.15.0.dev0 标签（早于本窗口）。同窗口为 0.14.0-rc2 线开花式补丁（#683，在审）。
  • 打包面：FlagCX 的 rpm 线从三个后端扩到六个（#673，10 文件加 295 行减 8 行）。新增的 libflagcx-tsm（清微）、libflagcx-sunrise（曦望）、libflagcx-du（海光 DCU）三家都不需要厂商基础镜像——SDK 解包到 /opt 或 /usr/local、不调用包管理器，因此 openEuler 镜像加文件仓就是完整构建环境；厂商 soname 按昇腾已有口径统一过滤。
  • 新闻面：摩尔线程 10-28 宣布开源大模型训练基础设施 Megatron-MUSA-Titan，聚焦万卡级集群的万亿参数 MoE 训练，覆盖预训练与强化学习；已在其万卡集群的预训练中持续使用，支持 blockwise FP8、结合 DeepEP 与 ACE 异步通信做专家并行与计算重叠，可与 slime、miles 强化学习框架协同。仓库 MooreThreads/Megatron-MUSA-Titan 在 GitHub 上存在，但本窗口内无推送（最后推送 10-16），属「宣布开源、代码未动」的状态。
  • 判断：三条线各自推进一层——把新芯片接进 eager 路径（BPU）、把通信库的交付面从源码树推向标签与发行包（FlagCX）、把训练栈的开源叙事从 FlagOS 扩到成员单位自研项目（Megatron-MUSA-Titan）。与本栈直接相关的是前两条；第三条要观察其代码是否回流为 FlagOS 可复用的训练组件。

一、开源项目进展（GitHub 动态）

1.1 组织节奏：23 仓推送、99 笔提交、67 笔合入，在审回落至 288 笔（10-28 ~ 10-29）

日期：2026-10-28 ~ 2026-10-29　来源：flagos-ai 组织仓库 · 提交检索 · 合并 PR 检索 · 在审 PR 检索

  • 仓库面：61 仓中 23 仓窗口内有推送，为近两周最多（上一期 20 仓）。按推送时间从近到远为 docs、Trident、FlagQAI、Torch-FL、build-infra、FlagGems、FlagCX、FlagTree、release-info、FlagFFT、FlagGems-sglang、FlagQuantum、optest、FlagDNN、vllm-plugin-FL、FlagTrain、community、FlagGems-vllm、FlagAttention、sglang-plugin-FL、TransformerEngine-FL、FlagTensor、FlagGems-Experimental。
  • 提交面：提交检索命中 99 笔，按仓为 FlagQuantum 33、FlagGems-sglang 17、FlagGems 10、build-infra 6、optest 5、FlagGems-vllm 5、Torch-FL 4、FlagTree 4、FlagCX 3、community 3、FlagTensor 3、FlagDNN 2，sglang-plugin-FL、vllm-plugin-FL、FlagTrain、FlagAttention 各 1。
  • 合入面：合并 PR 67 笔，分仓为 FlagGems 13、FlagGems-sglang 8、FlagTree 7、build-infra 6、FlagQuantum 6、optest 5、FlagGems-vllm 5、Torch-FL 4、FlagCX 3、community 3、vllm-plugin-FL 2，FlagTrain、FlagAttention、sglang-plugin-FL、TransformerEngine-FL、FlagTensor 各 1。
  • 在审面：窗口内有更新的在审 PR 288 笔，新开 101 笔。FlagGems 181 笔（新开 53）、FlagTree 21 笔（新开 9）、FlagGems-vllm 20 笔（新开 9）、vllm-plugin-FL 12（4）、FlagCX 8（2）、FlagTrain 7（2）、Torch-FL 6（5）、sglang-plugin-FL 5（2）、Trident 3（3）、flir 3（1）、FlagAttention 3（1）、Megatron-LM-FL 3（0）、FlagGems-sglang 3（3）、TransformerEngine-FL 3（1），其余各仓 1 至 2 笔。
  • 节奏对比：与上一 24 小时窗口（20 仓、102 笔提交、98 笔合入、401 笔在审、269 笔新开）相比，推送仓增 3 个、提交基本持平、合入降 32%、在审降 28%、新开降 62%。上一期在审的激增来自 FlagGems-Experimental 一次性 135 笔批量提交，本期该仓无新增、也无合入，在审回落到常态区间。
  • 版本与事件面：31 仓 Release 与 Tag 原子核查，窗口内新增标签一个（FlagCX v0.14.1）；build-infra 最新标签仍是 8 月 3 日的 v2.2.0。org 事件流 100 条：推送 51、建分支 32、删分支 9、PR 评审与评审评论 8，无 PR 开合事件——事件构成以分支活动为主，与 FlagGems 侧大量 fix/suiyuan-*、fix/blocked581-* 临时分支的建立与删除吻合。
  • 分支面：提交检索未覆盖的 7 个推送仓需原子补核。TransformerEngine-FL 经 commits.atom 核实有窗口内提交一笔（#150，10-28 16:33）；FlagFFT 与 release-info 属非默认分支推送（FlagFFT 侧为 codex/musa-shortfall、codex/cuda-2d3d-opt）；FlagGems-Experimental 的推送来自 dependabot 分支；docs、FlagQAI、Trident 三仓的推送均在特性分支上，默认分支无新提交。

1.2 版本面：FlagCX 打出 v0.14.1，设备位码改为按适配器生成（10-28）

日期：2026-10-28　来源：FlagCX tags · FlagCX v0.14.1 标签 · FlagCX PR #668 · FlagCX PR #683 · build-infra PR #1546

  • 标签事实：v0.14.1 于 10-28 17:25 打出，指向 commit 7ed4a82，提交标题为「按适配器生成设备位码，不再硬编码英伟达」（#668，10-18 合入）。检索 Releases API 对该标签返回 404，说明它只是 git 标签、未建 GitHub Release，因此没有发布说明正文；上一版 v0.14.0 的正式 Release 仍在 9-28，正文指向 FlagOS 2.2 发布清单。
  • 内容面：#668 把 setup.py 位码步骤里硬编码的 bindings/ir/nvidia 换成按适配器查表（BITCODE_MAKEFILES），每个适配器声明自己的 Makefile 与架构变量。此前任何非英伟达适配器都会抛 RuntimeError，或静默不出位码，FlagTree 的 iluvatar 后端只能复制 FlagCX 源码自行重编，无法消费 FlagCX 本应产出的位码。
  • 配套面：build-infra 由机器人记录 flagcx wheel 的发布（#1546），把 wheel 交付与标签、打包线连成一条；同窗口开的 #683 把昆仑芯的 cstddef 修复回摘到 0.14.0-rc2 线（在审），说明 0.14 系列仍在受支持窗口内。
  • 待观：v0.14.1 无 Release 正文，与 v0.14.0「正文指向发布清单」的做法不一致；若后续 2.3 周期按 v0.14.x 交付，建议补一份说明，避免下游只靠 tag 猜内容。

1.3 FlagGems：昆仑芯标量链融合提速十倍，燧原参考实现批量修复在审（10-28）

日期：2026-10-28　来源：FlagGems PR #7617 · FlagGems PR #7600 · FlagGems PR #7850 · FlagGems PR #7803 · FlagGems PR #7036 · FlagGems PR #7061 · FlagGems PR #7223

  • 融合内核：昆仑芯 XPU3 侧为八个出位标量链算子加后端特化（#7617，275 行）。同构 float 列表走一个融合内核：小形状单次发射、把所有指针作为内核参数带进去，大形状走流式分块；输出从一次分配加 unbind 得到，而非每张量一次分配器调用。八个算子的相对耗时从 0.083~0.126 提到 0.813~0.934，即约七到十倍。
  • 连续段内核：batch-norm 推理与 QKV 变换两个算子由「每 (n,c) 切片一个 program」改为「每 program 处理一段连续 BLOCK 元素、由平坦索引反推通道或打包行」（#7600）。聚合指标分别从 0.228 提到 1.357、从 0.260 提到 5.062；fp32 单精度那格仍低于 0.8，作者按聚合口径判定，并在正文里写明。
  • 向量化修复：masked_fill 的整数视图快路径因 arith.extsi 无向量形式整核停留在标量（fp16 0.34、fp32 0.50），改写为 x*(1-m)+V*m 的 f32 形式后 P800 上从 0.577 提到 0.829，masked_fill_、masked_fill_scalar 同步受益，594 个用例通过（#7850）。
  • 导入与执行器：昆仑芯后端在 master 最新提交上直接导入失败——_result_dtype 助手已随 #7561 从共享执行器移除，而后端仍在引用（#7803，90 行）；修掉导入后，共享执行器又报 operand #0 does not dominate this use，本笔一并修。
  • 算子覆盖：KernelGen 补 _indices_copy（#7223，250 行，H20 验证），但性能只有 torch 的 0.21 倍——属补齐覆盖率的产物，短期不能当加速项看。lighting_indexer 的参考实现改为逐头累加，峰值内存从约 8.6 GiB 降下来，修掉 40 GiB 卡上的 OOM（#5852）。
  • 在审侧：本窗口新开 53 笔，多数是 lukatao 的燧原参考实现修复（#7890 至 #7908 连号），涉及 Kaiser/inplace ldexp、aminmax、special_round、LU、vander/slogdet、median/stacking/Lanczos、Adagrad、batch-norm ABI 等；另有 AMD 侧一行修复（#7908）——AMD 的厂商描述符把设备名设成 cuda 且未给 triton_extra_name，导致 pow、tanh、exp、rsqrt、erf、gelu 等全部走 __nv_* 被 AMD 后端拒绝。

1.4 FlagGems-sglang：AMD gfx1100 补 Mamba 算子，燧原 core_shapes 真正生效（10-28）

日期：2026-10-28　来源：FlagGems-sglang PR #231 · PR #232 · PR #229 · PR #233 · PR #237 · PR #236

  • AMD 侧：为 RDNA3 档补上 causal_conv1d_fn、chunk_state_varlen、bmm_chunk 三个 gfx1100 版本（#231，578 行），在 Radeon PRO W7900D 上调优并测试；三者只改发射参数、输出与通用内核逐位一致。时间片跟随最长序列而非固定 128 token×4 通道，dstate 128 以上改用更小的 tile 与 16 token 的 K 步。
  • 燧原侧：#229 加了 _enflame/core_shapes.yaml，但仓内没有任何代码加载它——init_user_config() 只有硬编码的 kunlunxin 分支（#232 的根因分析）。#232 把形状文件查找泛化为「由 vendor_name 推出 _<vendor>/core_shapes.yaml，存在则用、否则回退共享默认」，并顺带修掉 kunlunxin 路径被无条件设置、文件不存在就 FileNotFound 的潜伏问题。
  • 测试基建：候选注入在正确性测试与基准之间统一（#233，9 文件），独立基准会话此前不注册 --override、候选专用模式又调用不存在的注册表方法；get_override() 暴露实际候选，普通计时、预检与画像共用同一个解析器。另加逐用例的 dummy 候选调用校验（#237）与包级导入修复（#236，避免 sys.modules 冲突）。
  • 用例列举：silu 基准支持不带张量列举用例并精确回放（#234），--list-cases 分页到 238 笔合入的收尾。
  • 判断：这一仓本窗口 17 笔提交、8 笔合入，全部围绕「让厂商形状表与候选注入在多后端下说同一套话」，属测试口径收敛而非新算子。

1.5 编译器：FlagPrism 接入燧原，昇腾 TensorView 取存降低，FlagMega 提速 RDNA 解码（10-28）

日期：2026-10-28　来源：FlagTree PR #1239 · FlagTree PR #1426 · FlagTree PR #1439 · FlagTree PR #1456 · FlagTree PR #1454 · flir PR #86

  • 剖析与调试：FlagPrism 的调试器与剖析器扩到燧原后端（#1239，5 文件加 119 行减 31 行）。CMake 与 Python 侧把燧原加入支持列表并默认开启，保留显式关闭项与与 Proton 的互斥；运行时把带调试的内核发射改走 FlagPrism 网关，元数据捕获与隐藏的控制缓冲参数分开处理，普通执行仍走直发路径。
  • IR 与取存：昇腾后端接上 TensorView 访问路径（#1426，32 文件加 4901 行，合入 triton_v3.5.x 分支）。内核用三种显式构造器在基指针上建编码视图，再按索引整块取存；越界通道按 zero/nan/inf/-inf 补值或丢弃，后端在 CommonIR 到 HIVM 之间依据索引模式选择「按索引载荷 DMA」或「逐元素带补零搬运」。
  • AMD 解码：FlagMega 侧为 Qwen3-1.7B bf16 做 batch-1 解码优化（#1439，44 文件，合入 feature/flagmega 分支）。R9700（gfx1201）在上下文 1 时 154 tok/s、1K 时 150、4K 时 139、8K 时 125；W7900（gfx1100）分别为 167、162、149、136 tok/s，实测带宽 530~597 GB/s，达该卡实测流式上限的 82%~87%。
  • 正确性：AMD 后端的 CanonicalizePointers 不再断言，改为合并 arith.select 的 fat-pointer 属性（#1456）；RLC 侧不再给布局变更不合法或不安全的 producer 重新打标（#1454）。
  • CI 与在审：FlagGems 的 CI 资产搬进 FlagTree（#1443、#1447）；在审 9 笔新开，含清微后端同步到内部 Triton 3.6 开发线（#1459，27 文件加 2264 行，含逐发射精度 API 与 CoreIR 入口）、rpm 线改为消费已发布 wheel 构建昇腾包（#1461，首个无需厂商 SDK 与硬件的行）、英伟达 Hopper 上四项软件流水缺陷修复（#1460，cp.async 带驱逐策略在 ptxas 12.8~13.1 上会留下未定义地址描述符）、昇腾结构化置换与常驻循环性能（#1466）、P800 SDNN 的一维取模加载（#1465）、flir 的昇腾 split/join 与静态置换降低（#86）。

1.6 推理与训练栈：燧原 Qwen3.5 FP8 上 GCU，融合全归约 RMSNorm 进 FlagGems-vllm（10-28）

日期：2026-10-28　来源：vllm-plugin-FL PR #358 · PR #525 · FlagGems-vllm PR #773 · PR #1017 · TransformerEngine-FL PR #150

  • 燧原推理：GCU 后端加上 Qwen3.5 FP8 支持（#358，20 文件加 3367 行，基于 release/0.2）。引入 W8A8 块标定 FP8 推理，并围绕 GCU300/GCU400 的硬件限制重做内核补丁，使 FP8 MoE 模型在 eager 与整图两种模式下都能跑通。
  • 通信接线：vLLM 插件改为从已安装包取 FlagCX（#525，11 文件）。flagcx wheel 把 ctypes 门面装成 flagcx.api、libflagcx.so 放在包内 lib/，仅装 wheel 的环境没有源码树可供 FLAGCX_PATH 指向；本笔以 flagcx.api 为首选导入、FLAGCX_PATH 包装器作回退，调用点三处（flagcx.py、flagcx_connector.py、sunrise/patch.py）同步改。
  • 算子面：FlagGems-vllm 加融合全归约 RMSNorm（#773，6 文件加 3191 行）：all-reduce + 残差相加 + RMSNorm，可选静态量化（FP8，SM100+ 支持 NVFP4），支持 TP2/TP4/TP8 的 FP16/BF16，附与 vLLM FlashInfer 实现的对比基准与 GLM-5.2 代表形状。ihc_pre 的 stage1 合并把 tl.atomic_add 换成按 split 槽位写（#1017）——原子加使结果依赖块到达顺序、重复发射不逐位一致，改后确定性恢复。
  • 依赖与回归：TransformerEngine-FL 把 3rdparty/ 三个子模块回滚到上游 v2.17 的验证基线（#150）：#129 误把 cutlass 前推 240 个提交（涉及 4000+ 文件）、cudnn-frontend 从 v1.25.0 推到未发布快照、googletest 从 v1.14.0 推到 master 头。
  • 训练侧：FlagTrain 加 FlagOS 测试套件的 KMCompiler 配置（#37）；在审七笔仍是各厂商 KMCompiler 算子（scaled_masked_softmax、fused_proj_rms 前后向、bias_swiglu、fast_gelu、moe_gemm、tanh_soft_clamp）。

1.7 构建与发布：changelog 上站与 Harbor，撤回两笔从未推送的寒武纪镜像（10-28）

日期：2026-10-28　来源：build-infra PR #1545 · PR #1547 · PR #1548 · PR #1549 · PR #1542 · PR #1543

  • 变更记录上站：每镜像的 changelog 现在既出现在站点页面末尾，也作为 Harbor 仓库描述对三层发布（#1545，455 文件加 19080 行）。此前 changelog 只写在仓内、没有消费者，站点页、仓内 readme 与 Harbor 描述都缺这一段，应用层连描述行都没有。区块按「重算而非随正文渲染」实现：页面正文各有生成器与节奏，随正文出的区块会被最后一行覆盖而丢掉中间写下的原因。空的待定条目与 upstream_prs 不发布；同窗口先把原因做成中英双语（#1542）。
  • 撤回不存在的镜像：Harbor 里没有 megatron_training0.18.2-cambricon-neuware4.7.2 与 megatron_rl0.18.2-cambricon-neuware4.7.2 两个仓库，但 0.18.2 的两张状态矩阵都记了 image_tag: 2.2.0-0.3.0（#1547，13 文件加 29 行减 496 行）。这个标签来自首次建矩阵的提交，不是记录步骤写下的，于是文档流水线为两个不存在的镜像发了启动页、readme 与 changelog，此后每次 pubdoc-app 都在这两个仓上 404（其余 107 个接受描述 PUT）。
  • 镜像没推成的根因：0.18.2 的 wheel 里 platform_register 没有 MLU 平台，torch_mlu 的 gpu_migration 把 CUDA 表面别名到 MLU 之后选中的是 PlatformCUDA，流水线并行组始终未初始化；MLU 注册（MLF #125，含 #188/#190/#191）只落在 release/0.2，v0.3.0、0.3.0-rc2 与 main 都没有该文件、也没有在途移植。处置是撤回主张而不是硬凑：两个后端去掉 image_tag、置 launch_docs: false，同时删掉这两份 changelog，使「changelog 文件集 == 已发布集合」重新成立（该集合共 151 份，只有这一块是从未交付的）。
  • 构建器补齐：amd-rocm7.2.4 运行时镜像基于 ubuntu 24.04，在其中构建的 FlagCX wheel 链接 GLIBC_2.38，被 wheel 线的 22.04 门禁拒绝（22.04-incompatible symbols: GLIBC_2.38、GLIBCXX_3.4.32、__isoc23_）。本笔给该行配自足的 22.04 构建器，glibc 下限回到 2.35：装 ROCm 7.2.4 的 jammy 套件（rccl/hip-dev 与 torch 所需的 hipsolver/hipfft/miopen-hip 头文件、graphics 仓的 amdgpu-core）、deadsnakes 的 Python 3.12、pin 住的 torch 2.11.0+rocm7.2（#1548，204 行）。
  • 门禁前移：应用层页面此前没有一致性校验——改一个 image_tag 或 changelog 原因后，页面与面向 Harbor 的 readme 一直停在旧内容（#1549，6 文件）。现在把 gen_descriptions.py --app-only --check 接到 .githooks/pre-commit 与 CI，命中状态矩阵、应用 changelog、应用页或应用 readme 时先重建 images.yaml 再比对。
  • 在审：重打包线的依赖解析改为直接读 PEP 503 简单索引（#1543）——原实现每个依赖起一个 pip index versions 子进程、JSON API 在阿里云镜像 404，0.28/0.32 的重打包要跑约两小时并白下一个 300MB 的 triton wheel。

1.8 规则面：FEP-0140 转 Implementable，FEP-0141 收窄到 SGLang 0.5.18（10-28）

日期：2026-10-28　来源：community PR #159 · PR #160 · PR #161 · 2.3 排期

  • FEP-0140：先补算子剖析的范围与验证计划（#159），再把状态从草案改为 Implementable、Owner 设为 @ceci3（吕梦思）（#160，仅改两个元数据字段）。提案仍受发布验收约束，跟踪 issue #151 保持开启。
  • FEP-0141：收窄到 SGLang 0.5.18、剩余的 Empty 集成与沐曦／清微的基础功能，Owner 设为 @yixiaodapeng（#161，加 33 行减 144 行）。详细平台进展留在 #152；保留可执行的回归、算子覆盖、性能与稳定性检查与 wheel 构建命令；删掉历史版本矩阵与重复部署说明。
  • 口径澄清：DeepSeek-V4-Flash/Pro 仍是初始 W8A8 候选；相对英伟达吞吐提升 10% 是优化目标，不是固定验收门槛。这些限定词被明确保留，避免后续把目标读成门槛。
  • 排期核对：community/release/2.3 目录下仍只有中英文排期表，没有 release 清单；2.2 目录有 rc0/rc1/rc2 与正式清单四份。按排期，11-13 为 FEP 合入截止、11-30 拉 rc0。

1.9 其余仓库：optest 接入燧原 CI，FlagTensor 昇腾常驻网格，FlagQuantum 置位一致性（10-28）

日期：2026-10-28　来源：optest PR #14 · optest PR #15 · FlagTensor PR #32 · FlagQuantum PR #945 · FlagQuantum PR #914 · FlagDNN 仓库

  • optest：五笔合入。燧原 S60 接进 FlagGems-vllm 与 FlagGems-sglang 的变体 CI，而算子清单只对 FlagGems 本体生效（#14）；flagos-gpu-check 重做为单份文本摘要或单份可解析 JSON/YAML（#15，19 文件加 2947 行），新增 device、driver、runtime、runtime_version、device_count、memory_unit 等归一字段，文本标签固定为 Device:、Driver:、GPUs Usage:，并把运行时与主机驱动分开表述（#16 再把加速器元数据带进测试摘要）。
  • FlagTensor：昇腾侧的常驻网格逐元素内核与厂商相关调优合入（#32，24 文件加 1128 行减 139 行），随后把 Ascend 运行时助手折进 flagtensor.runtime（#33、#32 系列提交）。
  • FlagQuantum：六笔合入、33 笔提交，仍是全组织提交量第一。核心是把「分片后的 MPS 与不分片是否等价」做成可执行证据（#945）：同一程序跑两臂——max_bond 64 加精确梯度（只变布局）与 max_bond 2 加近似梯度（布局与截断一起变），用两臂之差把两种贡献拆开；另有公开 Module 训练提速并补齐声明的 JAX 批量 VJP（#914）、非有限绑定角度拒答（#944）、pytest 9.2 造成的两套件恢复（#946）、状态与梯度一致性网格（#947）、失败归因到引入变更（#948）。
  • 其余：FlagDNN 两笔均为海光修正（GPU 名与性能）；FlagAttention 合入达摩院玄铁 PPU 的 MiniMax 稀疏注意力（#111，6 文件加 4644 行）；FlagCX 修 AMD 适配器的流守卫（#680）与昆仑芯平台 traits 的 cstddef（#682）；FlagQAI 的 #1 仍在审；docs 两笔均为机器人（魔搭模型清单 #545、#567）；Trident 三笔在审（昇腾 LLVM 适配 #7、用户自带 LLVM_ROOT #6、新旧 TVM FFI 头布局 #8）。

二、新闻报道与生态

2.1 报道面：摩尔线程开源 Megatron-MUSA-Titan，24 组查询仅此一条有效（10-28）

日期：2026-10-28　来源：IT之家报道 · 新浪科技转载 · Megatron-MUSA-Titan 仓库 · Google News RSS 检索

  • 事件：摩尔线程 10-28 宣布开源大模型训练基础设施项目 Megatron-MUSA-Titan，基于其全功能 GPU，面向万卡级集群的万亿参数 MoE 训练，覆盖预训练与强化学习两个场景，提供 MUSA 平台的训练适配与系统优化。
  • 技术点：已在万卡集群的万亿参数 MoE 预训练中持续使用，自述具备较高 MFU 与长稳训练；支持 blockwise FP8 训练；结合 DeepEP 与 ACE 异步通信引擎加速 MoE 的 Token 分发与结果合并，实现专家并行与计算重叠；可与 slime、miles 强化学习框架协同，用 Megatron 训练、SGLang 生成样本，串起预训练与强化学习。
  • 代码状态：仓库 MooreThreads/Megatron-MUSA-Titan 存在，README 自述面向万卡集群上的 1T+ 参数模型预训练与强化学习基础设施，最后推送为 10-16，本窗口无提交——属「宣布开源、代码未动」，与新闻稿的「开源」表述要在时间上分开看。
  • 候选面：二十四组中英文查询词窗口内返回 49 条候选，采纳 1 条（上条）。组件名查询（FlagOS、FlagGems、FlagScale、FlagTree、FlagPerf、FlagCX、KernelGen）中英文合计十二条继续全部零命中。
  • 剔除项：摩尔线程三季度业绩稿十余条（营收 15.5 亿元、同比增 1773.9%、单季扣非转正、拟发港股）属财报与行情内容，仅在 3.7 作成员单位背景提及；智源侧「源创计划」首期落地、AREX-2、SoulAgent 三条为模型与社区内容，与软件栈无直接关系；燧原相关的二十余条为股票行情、董事会决议与 ETF 稿；清微「产投 28 计划」周年稿与开源栈无关。

2.2 渠道与官网：CSDN 仍停 10-22，HN 与智源社区无新命中（10-28）

日期：2026-10-28　来源：CSDN FlagOS 专栏 · HN Algolia 检索 · 智源社区 · 摩尔线程新闻中心

  • CSDN：专栏页 51 条文章链接，最新可核日期仍为 10-22（开放计算大会分论坛回放与高校圆桌）；此前三条高相关稿（GLM-5.3-Flash Day0 适配 9 款芯片、Qwen3.8-Flash-Next 首日适配 8 款芯片、LightX2V 接入 FlagOS）经逐页核时均为 8 月下旬，非窗口内容。
  • HN Algolia：八组查询在四天窗口内命中数为 FlagOS 5、BAAI 30、FlagGems 1，按标题与正文关键词严格匹配后直接命中 0 条。
  • 智源社区：搜索页与首页可访问，无 FlagOS 相关新稿；首页未出现本栈组件更新。
  • 成员官网：八家巡检中摩尔线程有窗口内新条目——10-28《一图读懂摩尔线程 2026 年第三季度报告》，属财报图解，未涉软件栈变动，按收录标准不入正文条目（背景见 3.7）；沐曦、天数、寒武纪、燧原、清微五家列表无 10-28 至 10-29 新条目；海光页面为静态页，地平线抓取失败，以列表可见内容为准。
  • 判断：新闻侧连续第二个窗口只有一条实质条目，且该条来自成员单位的自研训练栈而非本栈组件；本期主体仍是代码与发布工程。

三、成员单位与后端厂商深挖

3.1 地平线：BPU 首次成为可逐算子执行的 PrivateUse1 后端（10-28）

日期：2026-10-28　来源：Torch-FL PR #674 · PR #676 · PR #678 · PR #673

  • 接入方式：BPU 的执行单位是 hbdk4 产出的 .hbm 产物，而 hbdk4 只能在 x86 上跑；板上既不能编译，也没有随仓交付的产物。此前的结论是「设计上不能 eager」，本笔把它拆成三层：板上之外编出单算子 .hbm 库、生成 C++ 内核提交这些产物、加 drobotics conf 路由。
  • 覆盖与验证：40 个逐元素算子、11 个形状分桶，RDK S600 上 440 个产物全部与 NumPy 比对零差异，flagos 张量上的 aten 调用确实落到 BPU。作者同时记录了两条否定结论：libhbtl.so 只是 CPU 参考实现（ldd 只见 libc/libstdc++/libm，hbtl::ucp::Add 的 cpu/wall 为 1.00），以及动态形状在 HBRT 4.7.5 上不可执行（加载器把该轴声明成 stride 0，任务校验要求不小于 64）。
  • 收尾三笔：#676 给 kDrobotics 补上 dispatcher.h 两处 switch，此前 BPU 构建的分发日志名一律打印 unknown、KernelSetOf 把 BPU 自己的内核库报成无归属；#678 修三处 copy 分支无条件 box 到 CUDA 的问题——默认 FlagGems 主导的英伟达与达摩院玄铁 PPU wheel 有意链接仅 CPU 的 pip torch，CUDA 拷贝内核的 DispatchStub 是空的，首次调用即 missing kernel for cuda。#673 修构建记录里厂商名与平台 id 不一致（hygon/dcu、mthreads/musa、enflame/gcu、nvidia/cuda），这是海光 DCU 车道上八条单测失败的根因。
  • 在审：#672 统一 soft-lowp 矩阵算子的 claim 粒度（按 conf 键声明、按家族解码），#677 让关键字参数的 FlagGems 调用走活跃后端，#680 按构建记录持有的厂商重定设备别名，#681 从 torch 前缀而非接口目标读取 libtorch_cuda 探针。
  • 判断：这是本窗口唯一一次「新平台从不可用变为可用」的接入，价值在打通路径而不是性能——40 个逐元素算子是起点，卷积等主干算子仍靠 torch.compile 整图路径。

3.2 昆仑芯：标量链融合与连续段内核，P800 上的三处提速（10-28）

日期：2026-10-28　来源：FlagGems PR #7617 · PR #7600 · PR #7850 · PR #7803 · FlagCX PR #682

  • 标量链：八个出位标量链算子的融合内核把相对耗时从 0.08~0.13 抬到 0.81~0.93（#7617）。收益主要来自主机侧：输出一次分配加 unbind，替代每张量一次分配器调用；小形状单次发射把所有指针当参数传进去。
  • 连续段：batch-norm 推理与 QKV 变换改连续段内核后，聚合指标 0.228→1.357 与 0.260→5.062（#7600）。原实现按 (n,c) 切片或二维 tile 组织，读写不连续；新实现每个 program 覆盖一段连续元素、由平坦索引反推通道或打包行。
  • 掩码填充：masked_fill 在 P800 上从 0.577 提到 0.829（#7850），做法是把整数掩码的符号扩展改成取 sitofp 后的 0/1 浮点乘法，使整个内核可向量化；精度上 m 恰为 0/1，结果逐位一致。
  • 可维护性：#7803 修掉昆仑芯后端在当前 master 上无法导入的问题（共享执行器移除了 _result_dtype 助手），并修共享执行器在 uni_sram 上的支配关系编译错误——不修则任何昆仑芯测试都起不来。
  • 通信侧：FlagCX 的昆仑芯平台 traits 把 cstddef 移到 __xpu__ 守卫之外（#682），此前从 comm_traits.h 解析时 size_t 尚未可见，公共设备 API 的宿主侧编译直接失败。

3.3 天数：卷积走工况档位表，conv3d 去掉通道补零（10-28）

日期：2026-10-28　来源：FlagGems PR #7036 · FlagGems PR #7061

  • conv_transpose2d：把通用实现的单一默认调度 (64,32,32,4) 加一个 3x3/stride2 特例，换成按数据类型、核大小、步长与输出通道数索引的七套硬件调优档位（BLOCK_NHW/CI/CO、num_warps、num_stages），并按输出是否放得进 L2 在两个内核变体间切换——直扫变体在 L2 内更快，相位专用变体在输出超出 L2 后更稳（#7036，加 1886 行）。
  • conv3d：天数侧 BLOCK_CI 已不小于 16，FlagTree 的 AABS 也会把被缩小的 tile 拉回 16x16x16 下限，因此通用路径把 weight_c 补到 16 的通道补零纯属每次调用的分配与拷贝开销，去掉后输出逐位一致；另补 BLOCK_NI_DO_HO_WO 为 32 与 64 两档小空间 tile，让小体积形状也能填满设备（#7061）。
  • 判断：两条都属长尾调优，方向一致——把「通用正确但慢」的路径换成本地化调度，同时把补零这类无收益开销删掉。

3.4 燧原：Qwen3.5 FP8 上 GCU、core_shapes 落账、FlagPrism 首次接入（10-28）

日期：2026-10-28　来源：vllm-plugin-FL PR #358 · FlagGems-sglang PR #232 · FlagTree PR #1239 · optest PR #14

  • 推理：GCU 后端加上 Qwen3.5 FP8 的 W8A8 块标定推理，并围绕 GCU300/GCU400 限制重做内核补丁，使 FP8 MoE 在 eager 与整图两种模式下都可用（#358，20 文件）。
  • 形状表：燧原的 core_shapes.yaml 加了一周没生效——仓内没有任何加载点，基准只认硬编码的 kunlunxin 分支（#229 加文件、#232 修加载）。修复把查找泛化到任意厂商，顺带修掉 kunlunxin 路径被无条件设置导致的 FileNotFoundError。
  • 工具链：FlagPrism 的剖析器与调试器扩到燧原并默认开启（#1239），带调试的内核发射改走网关，L2 捕获所需的编译器处理留在燧原后端内部；optest 把 S60 接进 FlagGems 两个变体的 CI（#14）。
  • 在审：vLLM 0.28 的 TXDA eager 后端升级（#642）、TransformerEngine 的燧原 profiler 与 runner（在审），以及 FlagGems 侧大批参考实现修复（见 1.3）。

3.5 达摩院玄铁：PPU 上的 MiniMax 稀疏注意力，几何均值 1.8 倍（10-28）

日期：2026-10-28　来源：FlagAttention PR #111 · FlagAttention 仓库

  • 内容：为达摩院玄铁 PPU 后端加 MiniMax 稀疏注意力（MSA）推理算子，覆盖索引打分、top-k 块选择与稀疏注意力本身，prefill 与 decode 两条路径都实现（6 文件加 4644 行）。
  • 能力：支持分页 KV 缓存、因果掩码与强制块选择；针对 810E 适配矩阵计算布局与内核发射；prefill 的索引打分按 KV 页并行，缓解 query 侧并行度不足；FP8 输入转 BF16 计算，未使用原生 FP8 矩阵乘。
  • 性能：以 SGLang 通用 Triton 实现为基线，810E 上 prefill 21/21 通过、几何均值 2.299 倍（最低 1.965、最高 5.434），decode 18/18 通过、几何均值 1.354 倍（1.289~1.485），合计 39/39、几何均值 1.800 倍。
  • 判断：这是 PPU 上第一条稀疏注意力路径，与同窗口 Torch-FL 的 BPU 接入形成对照——一边补主干算子的覆盖率，一边补新模型结构的特殊算子。

3.6 清微、曦望、海光：FlagCX 的 rpm 打包补齐三家后端（10-28）

日期：2026-10-28　来源：FlagCX PR #673 · FlagCX PR #681 · FlagTree PR #1459 · FlagDNN 仓库 · FlagAttention PR #117

  • 清微：libflagcx-tsm 进 rpm 线，SDK 是两个 makeself 安装器、解到 /usr/local/kuiper（#673）；FlagTree 侧在审的 #1459 把清微后端同步到内部 Triton 3.6 开发线（27 文件，含逐发射精度 API、外部 CoreIR 入口与运行时适配器，并修 Tx81 代码生成与 DMA/RDMA/WDMA 的 CRT 缺陷）。
  • 曦望：libflagcx-sunrise 进 rpm 线，SDK 经 tangtk --toolkit 与 pccl 落到 /usr/local；此前曦望在 vllm-plugin-FL 侧有 0.28 适配在审。
  • 海光：libflagcx-du 进 rpm 线，DTK tarball 解到 /opt/dtk；FlagDNN 两笔修海光的 GPU 名与性能；FlagAttention 在审的 #117 为海光 BW3000（gfx936）加纯 Triton 的 GLA 实现，把门控累加和与循环状态扫描合到一条流水线，只对受支持的推理负载走特化路径。
  • 打包口径：三家都不需要厂商基础镜像，openEuler 镜像加文件仓即完整环境；厂商 soname 按昇腾已有做法统一过滤（这些 SDK 从不是 RPM，任何仓库都无法提供）。

3.7 摩尔线程：Megatron-MUSA-Titan 开源与三季度报告同日（10-28）

日期：2026-10-28　来源：IT之家报道 · Megatron-MUSA-Titan 仓库 · 摩尔线程新闻中心 · sglang-plugin-FL PR #158

  • 训练栈：Megatron-MUSA-Titan 面向万卡集群的万亿参数 MoE，覆盖预训练与强化学习；支持 blockwise FP8、DeepEP 与 ACE 异步通信、专家并行与计算重叠，可与 slime、miles 协同（Megatron 训练 + SGLang 采样）。这是成员单位自研的 Megatron 系训练栈，与本栈的 Megatron-LM-FL 同源不同支，尚无代码回流迹象（仓库最后推送 10-16）。
  • 财务背景：同日发布三季度报告，营收 15.5 亿元、同比增长 1773.9%，实现单季度扣非盈利，前三季度营收 32.89 亿元、归母净利润 3769.73 万元，并推进港股二次上市。财报不改变本栈的技术判断，但解释了其开源节奏的投入能力。
  • 推理侧：sglang-plugin-FL 在审的 #158 为 MUSA 加 MiniMax-M3 支持，#125 是 Qwen3.6 在 S5000 上的 Triton 与 YAML 调优；FlagGems-sglang 侧本窗口无 MUSA 变更。
  • 判断：摩尔线程近两周的动作集中在「训练 + 推理双栈自研开源」，与本栈的交集仍是算子与插件层（FlagGems、sglang-plugin-FL），而非训练框架层。

四、总结与趋势观察

  • 一条新路径打通：地平线 BPU 从「设计上不能 eager」变成可逐算子执行的 PrivateUse1 后端（40 个逐元素算子、440 个产物零差异），配套修了分发日志命名与 CUDA 拷贝内核守卫。这是本周期内最有结构意义的接入，但它只覆盖逐元素算子，主干仍靠整图编译。
  • 通信层进入标签与发行包阶段：FlagCX 打出 v0.14.1（按适配器生成设备位码），rpm 线从三个后端扩到六个，wheel 发布也被 build-infra 记账。需要注意该标签没有 Release 正文，与 v0.14.0 的做法不一致。
  • 发布工程在补课：changelog 上站与 Harbor、撤回两笔从未推送的寒武纪 megatron 镜像、应用页一致性检查进 pre-commit 与 CI、AMD 7.2.4 补 22.04 构建器。这些不产出新能力，但直接决定 2.3 的发布清单能否自证。
  • 在审结构变化：在审从 401 降到 288、新开从 269 降到 101，上一期 FlagGems-Experimental 的 135 笔批量提交既未合入也无新增。当前在审主体是 FlagGems 181 笔，其中 53 笔新开多为燧原参考实现修复——说明多后端验收的瓶颈在参考实现与测试口径，而不是算子供应。
  • 多分支需要区分口径：FlagGems 同时在 master 与 kernelgen-dev 上合入（#7905、#7934），FlagTree 的合入分散在 triton_v3.5.x 与 feature/flagmega 分支，FlagGems-Experimental 的默认分支是 infra-ci。按默认分支统计会低估实际工作量，按提交检索又会漏掉原子补核的仓。
  • 待观察三点：其一，v0.14.1 之后是否补 Release 说明并进入 2.3 清单；其二，BPU 路径是否从逐元素算子扩到卷积等主干算子；其三，Megatron-MUSA-Titan 的代码是否在窗口后真正开始推送，以及是否与 Megatron-LM-FL 形成复用。

信源核查表

信源 核查结果
GitHub 组织仓库 61 仓全量核查，23 仓窗口内推送（上一期 20 仓）
GitHub 提交检索 命中 99 笔；搜索索引对当日合入存在延迟，故与合入量并列呈现
GitHub 合并 PR 检索 67 笔，16 个仓库
GitHub 在审 PR 检索 288 笔（新开 101），FlagGems 181 笔占六成
Release / Tag 原子核查 31 仓；窗口内新增标签 1 个（FlagCX v0.14.1，无 Release 正文）
org 事件流 100 条：推送 51、建分支 32、删分支 9、PR 评审 8，无 PR 开合事件
版本排期 community/release/2.3 仍只有中英文排期表；build-infra 最新标签仍为 v2.2.0
Google News RSS 24 组查询，49 条候选，采纳 1 条（Megatron-MUSA-Titan）
HN Algolia 8 组查询，四天窗口内 0 条直接命中
CSDN FlagOS 专栏 最新可核文章停在 10-22，窗口内无新稿
智源社区 无窗口内新稿，首页无本栈相关更新
成员单位官网 8 家巡检；摩尔线程 10-28 一条三季度报告图解；地平线抓取失败；其余无更新

完整信源清单