调研窗口：2026-10-13 07:00 ~ 2026-10-14 07:00（北京时间，24 小时）。

信源：GitHub（tile-ai 组织 29 仓库推送全量核查，窗口内 10 个仓库有推送：tilelang、TileOPs、TileFoundry、tilelang-ascend、tilelang-hygon、tilelang-metax、tilelang-mlir-ascend、TileSight、TileOPs-nightly、TileOPs.github.io；组织窗口内合并 28 笔、新开 42 笔、在审更新 79 笔；主仓 4 笔合入、TileOPs 18 笔合入、昇腾两仓 4 笔合入、TileFoundry 2 笔合入；非默认分支逐查〔ascendc_pto / dev / gcy_merge_main 等〕；夜间流水线 1 份新快照、TileOPs 文档站 1 次部署）+ 发布页核查 + 社区仓核查（PTO-ISA SuperNPUBench、easy-tilelang、SwHwCodesign、tilelang-debugger）+ Google News 中英文多组查询（走代理）+ Hacker News + arXiv。

本期索引

  • 今日重点：MoE 双算子落定与 foundry 性能批——TileOPs 单日 18 笔合入、夜间底盘 +22 项（10-13 ~ 10-14）
  • 一、核心项目进展
    • 1.1 主仓：ROCm 双笔——DeepSeek mHC 前/后内核与 safe-gated KDA 解码示例（10-13 ~ 10-14）
    • 1.2 主仓：昇腾编译面两笔——SimdVF 多缓冲 T.fill（#3455）与 bisheng 临时文件清理（#3461）（10-13）
    • 1.3 主仓在审：SM120 mxf8f6f4 全家族、Metal 批与昇腾在审簇（10-13）
  • 二、多后端适配（昇腾 / 沐曦 / 海光 / 摩尔线程）
    • 2.1 昇腾：文档事实核查战役 3 笔合入、11 笔在审；chunk 与稀疏 MLA 迁移批开出（10-13）
    • 2.2 MLIR 昇腾：NPUIR 显式内存与流水线控制合入（#190）；Cube 内存分配 API 在审（#201）（10-13）
    • 2.3 海光：寄存器流水线 PR 更新、新分支与 v0.1.15 升级线并进（10-13）
    • 2.4 沐曦：main 追平上游 v0.1.15 节点；摩尔线程静默（10-13）
  • 三、生态与采用方
    • 3.1 TileOPs：MoE 双算子落定——masked FP8 分组 GEMM 与 DeepSeek 分组 top-k（10-13）
    • 3.2 TileOPs：SM89 四笔收口——GLA / DeltaNet 反向与 KDA 预填，加 GQA 修复笔（10-13）
    • 3.3 TileOPs：foundry 性能批 8 笔合入、8 笔新开——池化 / 归一化 / 归约铺开（10-13 ~ 10-14）
    • 3.4 TileFoundry：Qwen3.8-27B 预填示例合入——首个全长度超 SGLang 的示例（10-13）
    • 3.5 夜间流水线：新快照 a79a21e4——正确性 1064 项（+22）、基准 1966 项（+19）零失败（10-14）
    • 3.6 采用方与文档：TileKernels / FlashQLA / TileRT 静默；TileOPs 文档站部署（10-13）
  • 四、社区、教程与活动
    • 4.1 PTO-ISA：SuperNPUBench 发布 ops-20261013.2 与 CUBE 直连等提交（10-13）
    • 4.2 社区账号：easy-tilelang 教程仓更新；SwHwCodesign 公开仓静默（10-13）
    • 4.3 媒体与学术：Google News / HN / arXiv 窗口内零新增（10-13）
  • 五、趋势观察
    • 5.1 MoE：从成对拆分到成对落定
    • 5.2 foundry 性能批进入日更节奏
    • 5.3 ROCm：DeepSeek 新架构内核的第三条收笔线
    • 5.4 在审队列继续变厚，发布静默期的底盘增长
  • 附：素材与核查说明
  • 完整信源清单

今日重点：MoE 双算子落定与 foundry 性能批——TileOPs 单日 18 笔合入、夜间底盘 +22 项（10-13 ~ 10-14）

日期：2026-10-13、2026-10-14　来源：masked FP8 分组 GEMM（#2521）／ DeepSeek 分组 top-k（#2535）／ DeepSeek mHC 内核（#3156）／ Qwen3.8-27B 预填示例（#229）／ 夜间快照（a79a21e4）

窗口 24 小时内组织合并 28 笔（主仓 4、TileOPs 18、昇腾适配仓 3、MLIR 昇腾 1、TileFoundry 2）、新开 42 笔；10 个仓库有推送。本窗口主线为两件事：TileOPs 的 MoE 算子双落定与 foundry 性能批的合入潮。

  • MoE 双算子落定：masked FP8 分组 GEMM（#2521）与 DeepSeek 分组 top-k 路由（#2535）同日合入——前者对齐 deep_gemm masked 语义并配 14 行负载入册，后者对齐 vLLM grouped_topk 语义并修复 T=512 时的 SM 调度问题（详见 3.1）。
  • TileOPs 单日 18 笔合入：除 MoE 双算子外，SM89 反向/预填四笔（#2546 至 #2549）、foundry 性能批 8 笔与 GQA 修复笔（#2550）同日收口（详见 3.2、3.3）。
  • 主仓 ROCm 双笔：DeepSeek mHC（流形约束超连接）前/后处理内核（#3156）与 safe-gated KDA 解码示例（#3249）合入——ROCm 线连续第三日收笔（详见 1.1）。
  • TileFoundry 里程碑：Qwen3.8-27B 预填示例（#229）合入，为该仓首个在 1024 / 4096 / 8192 全长度上超过 SGLang 的示例（详见 3.4）。
  • 夜间底盘续涨：新快照 a79a21e4——正确性 1064 项（+22）、基准 1966 项（+19），零失败（详见 3.5）。

一、核心项目进展

1.1 主仓：ROCm 双笔——DeepSeek mHC 前/后内核与 safe-gated KDA 解码示例（10-13 ~ 10-14）

日期：2026-10-13、2026-10-14　来源：DeepSeek mHC（#3156）／ KDA 解码示例（#3249）

  • DeepSeek mHC 前/后内核（#3156，2 文件、+83/-6，合入于 10-14 凌晨）：mHC 前处理在 CUDA 上按 96 线程块内的 32 线程边界分工并采用 TF32 GEMM 输入；在 CDNA 上这会切开原生 64 lane 波前，且 TF32 不是 MFMA 的输入类型。HIP 路径改为在完整的目标尺寸波前上运行分割角色，并把 FP32 混合权重在共享内存中转 BF16 供 MFMA 计算；CUDA 侧保持原 96 线程 / TF32 布局不变，另补 gfx942 的前/后内核正确性覆盖（32 token 前处理、8 token 后处理等用例）。
  • safe-gated KDA 解码（#3249，+360/-0）：新增打包解码内核——消费卷积后打包 QKV 与原始门控输入（a、b、A_log、dt_bias）、FP32 状态池与按请求状态索引；执行 Q/K L2 归一化与 delta-rule 递归更新，原位改写指定状态槽并输出 [batch, 1, value_heads, value_dim]；负状态索引输出零且不改状态池。实现按维度参数化、不含模型名/架构分发，文档给出 GLM-5.3-Flash TP8 的专用化配置。

1.2 主仓：昇腾编译面两笔——SimdVF 多缓冲 T.fill（#3455）与 bisheng 临时文件清理（#3461）（10-13）

日期：2026-10-13　来源：SimdVF T.fill（#3455）／ bisheng 清理（#3461）

  • #3455（+247/-31）：昇腾 SimdVF 的 LowerFill 原先只支持整缓冲填充（各维须从 0 开始且范围等于缓冲形状）；多缓冲流水线中 MaterializeMultiBuffer 给缓冲加了版本维（如 [64] 逻辑缓冲变 [2, 64] 物理缓冲），循环内 T.fill 只需填当前版本槽位 [v:v+1, 0:64]，而被完整缓冲检查拒绝。本笔把处理对象改为实际填充区域，按区域起点与范围计算每个 VReg 数据块的写入索引，检查常量范围、连续性与 VReg 对齐，支持紧凑布局与显式 stride；补 3 例 NPU 测试（1D / 2D / 两阶段流水线多缓冲）。
  • #3461（+2/-1）：bisheng wrapper 建临时目录时未传 keep_for_debug，导致编译的 AscendC 源总是被删——而 nvcc、hipcc、PTO wrapper 均传 keep_for_debug=not env.should_cleanup_temp_files()。本笔对齐，使 TILELANG_CLEANUP_TEMP_FILES=0 在昇腾后端同样生效。

1.3 主仓在审：SM120 mxf8f6f4 全家族、Metal 批与昇腾在审簇（10-13）

日期：2026-10-13　来源：SM120 mxf8f6f4 家族（#3099）／ SM120 MXFP8/MXFP4（#3495）／ Metal 批（#3194 至 #3210）／ Ascend 独立 AIV（#3485）／ Windows MSVC（#3510）

  • SM120 块缩放 MMA 两条并行：kind::mxf8f6f4 全 f8f6f4 操作数家族、子字节 TMA producer 与官方示例（#3099）与 SM120 MXFP8/MXFP4（#3495）均在审更新——继 10-10 SM121 点亮后继续扩展 Blackwell 工作站的矩阵。
  • Metal 批（十笔）：段归一累加器、simdgroup GEMM 片段、标量 warp 归约、BF16 向量类型、短常量循环展开、torch 后端缓存与参数绑定等——Metal 后端进入连续打磨期。
  • 昇腾在审簇：独立 AIV 执行（#3485）、访问区域重叠分析支持 repeat/stride（#3506）、PTO 执行经 PTO codegen 路由（#3316）与 DeepGEMM 的 PTO codegen（#3330）、VF 作用域外标量 sqrt（#3466）、SimtVF remat_idx / 向量 gather pack（#3492）、profiling 主机-设备关联（#3321）等。
  • 基础设施与修复：CI 加 Windows MSVC（#3510）、TMA-only producer 仅跑 warp 0（#3503）、捆绑 TVM 发现与 DSL 声明（#3508）、测试基建缓存 IR 遍历（#3502）、fill / reduce 边界三笔（#3499 至 #3501）、codegen 共享 C 系发射（#3289）。主仓开放 PR 计 161 笔（上一期 168 笔）。

二、多后端适配（昇腾 / 沐曦 / 海光 / 摩尔线程）

2.1 昇腾：文档事实核查战役 3 笔合入、11 笔在审；chunk 与稀疏 MLA 迁移批开出（10-13）

日期：2026-10-13　来源：round 语义（#1612）／ bitwise_rshift（#1676）／ bitwise_xor（#1681）／ Chunk O Forward（#1866）／ sparse_mla_topk_reducesum（#1884）

  • 文档事实核查战役：T.tile.* API 逐项核查（docstring 重写 + 真机测试 + API 文档）窗口内 3 笔合入——其中 #1612 不仅是文档：把 PTO 的 round 降低从 CAST_ROUND 改为 CAST_RINT，修复 .5 中点值远离零舍入、对齐 ties-to-even 语义（含 17 例真机测试与 codegen 断言）；#1676 / #1681 覆盖 bitwise_rshift / bitwise_xor。另有 11 笔同类核查在审更新（axpy、clamp、clear、fill、bitwise_and/or/not/lshift、exp/ln 族、relu 族、sin/cos 等）。
  • 算子迁移批开出：wch0810 的 chunk 族迁移——Chunk O Forward（#1866）、chunk_o_bwd（#1802）、Chunk Delta H（#1799）、Chunk Scaled Dot KKT（#1803）；稀疏 MLA 三笔——Sparse MLA SeeSaw（#1869）、Sparse MLA Forward Pipelined（#1870）、sparse_mla_topk_reducesum（#1884）；另有 MHA 示例（#1879）。
  • 质量与回归：精度标准推广三笔——现有示例套用精度标准（#1882）、精度 harness 与 runner 修复（#1883）、低性能算子移入 examples_experiment（#1881）；gemm_v0 修复 W4A4 int4xint4 GEMM 结果错误（#1731）。昇腾仓开放 PR 计 229 笔（上一期 228 笔）。

2.2 MLIR 昇腾：NPUIR 显式内存与流水线控制合入（#190）；Cube 内存分配 API 在审（#201）（10-13）

日期：2026-10-13　来源：NPUIR 控制（#190）／ Cube 内存 API（#201）

  • #190 合入（12 文件、+1092/-102）：为 TileLang 增加显式内存与流水线控制面——支持带符号 pitch 的双行 GM→UB 拷贝与连续 GM/L1 ND 拷贝；物理缓冲视图、带类型/重塑视图与可变标量存储；暴露 GEMM L0 ping-pong 事件与 MMAD / Fixpipe 单元标志（含显式同步要求）；支持标量向量操作数与运行时尺寸的 T.vbrc 区域；新增能力守卫的原子模式内建并兼容两版 Fixpipe builder API；修复 Expert 有符号 floor 除/模、无符号算术、整型转换与惰性条件降低。
  • #201 在审：显式 Cube 内存分配 API（HhpPCc007）。MLIR 昇腾仓开放 PR 计 32 笔。

2.3 海光：寄存器流水线 PR 更新、新分支与 v0.1.15 升级线并进（10-13）

日期：2026-10-13　来源：寄存器流水线（#18）／ 块缩放 GEMM 布局分支／ v0.1.15 升级分支

  • 寄存器流水线（#18）：登记分支 gcy_merge_main 继续更新——窗口内新增「修复 complex wait count」、恢复 test_example_gemm_fp8.py 等提交，本笔为海光后端引入寄存器流水线（与共享内存流水线协同）及超过 4 波时的 warp-diverge，仍处评审。
  • 新分支开建：feat/hcu-gemm-blockscaled-async-copy-layout（10-13 上午建立并推送）——指向块缩放 GEMM 与异步拷贝布局方向。
  • 升级线：upgrade/upstream-v0.1.15 分支窗口内两次推送，海光后端与上游 v0.1.15 持续对齐。海光仓开放 PR 计 1 笔。

2.4 沐曦：main 追平上游 v0.1.15 节点；摩尔线程静默（10-13）

日期：2026-10-13　来源：沐曦仓库／ main 分支／ 摩尔线程仓库

  • 沐曦：main 分支于 10-13 上午推送更新，分支头为上游 v0.1.15 版本节点（#3309）——镜像线追平上游发布；dev 分支（适配主工作线）最近推送仍为 09-24，窗口内无新适配提交。沐曦仓开放 PR 计 16 笔。
  • 摩尔线程：09-30 后无活动（最近发布分支静默维持）；Sunrise 仓窗口内亦无动态。

三、生态与采用方

3.1 TileOPs：MoE 双算子落定——masked FP8 分组 GEMM 与 DeepSeek 分组 top-k（10-13）

日期：2026-10-13　来源：masked FP8 分组 GEMM（#2521）／ DeepSeek 分组 top-k（#2535）／ MoE MMA 化重构（#2551）

  • masked FP8 分组 GEMM（#2521，20 文件、+1788/-37，关闭 #2388）：MoEGroupedGemmFP8FwdOp 从 spec 落地——FP8 e4m3 分组 GEMM、1x128 / 128x128 块标度、bf16 输出，语义对齐 deep_gemm 的 masked 变体；清单收窄到 masked 布局并标为已实现，14 行负载：E=8 两行加 EP=8 解码十二行（DeepSeek-V3、Qwen3-235B-A22B、Kimi-K2，batch 64 / 256）。新增 moe.masked_routed_metadata 生成器模拟专家不均衡（DeepSeek-V3 b64 空 4/32、Kimi-K2 b64 空 13/48）；sm90 内核为 TMA producer warp + 两个 WGMMA consumer warpgroup 的持久网格，瓦片行走在设备端读行数，空瓦片不占 CTA、每份权重瓦片只从 HBM 读一次。
  • DeepSeek 分组 top-k（#2535，15 文件、+1193/-69，关闭 #2268）：FusedTopKFwdOp 补齐 num_expert_group、topk_group 与 routed_scaling_factor（vLLM grouped_topk 语义），FusedMoEFwdOp / 共享专家路径同步；修复 T=512 时默认 TOKENS_PER_BLOCK 使 32 个块落在 32/132 个 SM 上的调度问题；文档明示 fast-math 边界。
  • MoE 收尾重构（#2551，+20/-30）：紧凑逐行布局改由 MoEGroupedGemmMMAKernel 直接服务（其程序本就按排序行 id 二分找组尾），删除专用 TightRow 内核与 dispatch 键——布局覆盖扩至 SM80 / SM86。

3.2 TileOPs：SM89 四笔收口——GLA / DeltaNet 反向与 KDA 预填，加 GQA 修复笔（10-13）

日期：2026-10-13　来源：GLA 反向（#2546）／ DeltaNet 反向（#2547）／ KDA 预填（#2548）／ 紧凑逐行 GEMM（#2549）／ GQA 修复（#2550）

  • GLA 反向（#2546，+36/-27）：把块间 key 梯度计算提到 query 梯度之前，使精简程序在载入 h 前用完 dh——chunk 32、K=V=128 的默认共享内存从 114688 降到 81920 字节，落入 SM89 的 101376 上限内；补 FP16/BF16 用例。
  • DeltaNet 反向（#2547，+166/-113）：chunk 64、K=V=128 的三段程序落在 90112 / 98304 / 98816 字节内；显式状态缓冲视图把评审人报告的 147968 字节 w/u 分配降到 98816；缩短操作数寿命、键与逆矩阵在最后消费者后复用状态存储。
  • KDA 融合预填（#2548，+186/-63）：SM89 上启用 KDA 融合预填——128 维输入的紧凑共享内存调度把 256 线程分配从 182528 降到 101120 字节；仅在序列/头块数达到 SM 数时选用融合路径；新增四个公开 FP16/BF16 数值用例，并把过时的 2048 序列拒绝断言替换为数值检查。
  • 紧凑逐行分组 GEMM（#2549，+45/-11）：SM89 支持按排序专家 id 恢复段尾的紧凑分组 GEMM，复用现有 MMA 程序（含空专家与部分瓦片）。
  • GQA 修复（#2550，18 文件、+341/-173）：dense GQA 解码的 split log-sum-exp 改为 FP32 累加——bf16 在 64 至 128 区间步进 0.5，大分数下 split 混合最多偏差 0.23；autotune 改为对 forward 实际启动的程序计时（含 fused RoPE 路径），修正候选选择口径。

3.3 TileOPs：foundry 性能批 8 笔合入、8 笔新开——池化 / 归一化 / 归约铺开（10-13 ~ 10-14）

日期：2026-10-13、2026-10-14　来源：FP8 瓦片（#2533）／ 短紧组（#2536）／ W4A16（#2545）／ 宽 dense 瓦片（#2552）／ coop2 存储（#2566）／ foundry 在审批（#2570 至 #2579）

  • GEMM（四笔）：#2533 重排 FP8 GEMM 瓦片并把 1x128 B 标度放到波核（block128 波核改名 gemm_fp8_block128_wave）；#2536 在紧凑未融合分组呼叫上选半宽瓦片填满 SM（69 个描述符中 3 个改变选择、均更快）；#2545 W4A16 把瓦片与 K 切片联合打分（qwen3-32b-prefill-down 78.69 微秒对 88.83，1.129x）；#2552 宽 dense 瓦片经新 helper 单条 WGMMA 发 176/192 宽、新 ping-pong 内核对时小 M 重选（新增 vit-l16-in21k-head 负载）。
  • Elementwise 与存储：#2557 GELU 的 erf 链缩短 5 条指令（llama-8b-ffn-decode 1.280 微秒对 1.440，1.125x）；#2565 SiluAndMul 16 位门用快速除法（qwen3-8b-swiglu-b32 1.074x，torch-compile 比 1.015x、从 0.945x 翻正）；#2566 在 TMA 无法寻址输出的 N 非 8 倍数场景逐行逐 warp 存储（vit-l16-in21k-head 294.7 微秒降到 23.2 微秒，12.7x，快于 cublaslt-best 7.5x）。
  • RoPE（#2567）：新增 16 字节 L2 evict-last 载入，2D neox RoPE 每线程旋一个向量、1D 交错单表读整流化（neox-2d-2k 1.022x torch-compile、从 0.983x）。
  • 新开八笔（10-13 晚 ~ 10-14 凌晨，均在审）：softmax 行驻寄存器加 evict-last（#2570）、CTA warp 间扫描组瓦片计数（#2571）、MaxPool1dIndices（#2572）、AvgPool3d（#2573）、RMSNorm 按宽度分行（#2576）、SiluAndMul evict-last（#2577）、any/all 逐字测试（#2578）、MaxPool3dIndices（#2579）——池化 / 归一化 / 归约会战铺开。

3.4 TileFoundry：Qwen3.8-27B 预填示例合入——首个全长度超 SGLang 的示例（10-13）

日期：2026-10-13　来源：Qwen3.8-27B 预填（#229）／ scaffold 合入（#227）

  • #229（89 文件、+38069）：新增 examples/qwen3_8_27b_prefill-tilelang/——64 层 gated-delta-net / attention 混合的文本预填，在 1024 / 4096 / 8192 三个长度上全部快于 SGLang；该负载超出 H200 拐点 36 倍（8192 时打分只占 FLOP 的 3.1%、其余是 GEMM），属 FLOP 受限、无流量可省，示例把 analyze --roofline 作为决策输入；SGLang 基线由人工给定（其两列口径在 8192 上相差 9.1%，示例需论证取列）。此前示例均为解码且仅及 SGLang 的零头，本笔为首个全长度超越的示例。
  • #227（47 文件、+1356/-368）：tilefoundry scaffold SOURCE OUT_DIR 合入——按 Target codegen 生成可编辑独立 CMake 工程（参数视图、特化分发、启动器、主机注册与占位 CUDA 体），并把 codegen 产物与链接拆为六个模块文件。

3.5 夜间流水线：新快照 a79a21e4——正确性 1064 项（+22）、基准 1966 项（+19）零失败（10-14）

日期：2026-10-14　来源：夜间快照（a79a21e4）／ 快照元数据

  • 新快照 a79a21e4（run 38443260386，10-14 04:18）：正确性 1064 项（62 套件、较上份 +22、0 失败 0 错误 1 跳过）、基准 1966 项（53 套件、+19、0 失败）；环境 H200、CUDA 13.2、驱动 595.71.05、镜像 cu132-torch2.13-tl-0.1.12，快照内 tileops 0.0.1.dev1314+ga79a21e40（较上份 +18 开发号）、tilelang 0.1.12，torch 2.13.0+cu132 / triton 3.7.1 / vllm 0.27.1。
  • 正确性增量与窗口内 MoE、SM89、foundry 三条合入线同拍——「合入一笔、底盘爬一截」的滚动节奏延续。

3.6 采用方与文档：TileKernels / FlashQLA / TileRT 静默；TileOPs 文档站部署（10-13）

日期：2026-10-13　来源：TileOPs 文档站／ TileKernels／ FlashQLA

  • 采用方：TileKernels（DeepSeek）、FlashQLA（Qwen）均无窗口内推送（自 09-30 后静默）；TileRT 无窗口动态。
  • 文档站：TileOPs 站 1 次 gh-pages 部署（10-13 上午，MkDocs 1.6.1）；主文档站窗口内无新构建。

四、社区、教程与活动

4.1 PTO-ISA：SuperNPUBench 发布 ops-20261013.2 与 CUBE 直连等提交（10-13）

日期：2026-10-13　来源：SuperNPUBench／ ops-20261013.2 发布

  • 新发布 ops-20261013.2（含
    solution/quant/dynamic_mx_quant）；窗口内提交：matmul_test 以直连 CUBE TCVT 替换 GM 往返（#234）、topk 可移植 gfsim fixture 与 RES_CHECK ELF 发布（#233 / #236 合入）、rms_norm tree_32k 内核归档（#216）、dynamic_mx_quant 接入 one-level 构建。

4.2 社区账号：easy-tilelang 教程仓更新；SwHwCodesign 公开仓静默（10-13）

日期：2026-10-13　来源：easy-tilelang 教程仓／ SwHwCodesign／ tilelang-debugger

  • easy-tilelang/tilelang-tutorials（第三方中文教程仓）窗口内推送「adapt tilelang new ascend」——教程含 Ascend A5 的 lower-trace 编译观察等条目，适配新版昇腾后端。
  • SwHwCodesign 账号公开仓现为 2 个（AI-Compiler、AI-Infra），均无窗口内推送；10-12 记录的占位仓潮未延续。tilelang-debugger 无更新（10-10 后）。

4.3 媒体与学术：Google News / HN / arXiv 窗口内零新增（10-13）

日期：2026-10-13　来源：Google News／ Hacker News 检索／ arXiv 检索

  • 中英文多组查询（含昇腾 / 沐曦 / 海光 / 摩尔线程组合词）窗口内零新增命中；历史命中（10-07 至 10-10 的聚合稿与解读）均已在往期收录。
  • Hacker News 96 小时零条目；arXiv 无新预印本（最新相关仍为 07-24 的 TileSight 分析模型论文）。

五、趋势观察

5.1 MoE：从成对拆分到成对落定

  • 窗口内 MoE 面连收两笔：masked FP8 分组 GEMM（对齐 deep_gemm masked 语义）与 DeepSeek 分组 top-k（对齐 vLLM grouped_topk）同日合入，加上紧凑逐行布局统一进 MMA 内核——TileOPs 的 MoE 覆盖从「算子逐个补」转入「按模型配方收口」，DeepSeek-V3 / Qwen3-235B / Kimi-K2 负载成批入册。在审侧同主题（gpt-oss swigluoai 专家、permute-align、专家搜索跳过）持续加厚，MoE 是当前 TileOPs 权重最高的方向。

5.2 foundry 性能批进入日更节奏

  • 一天 8 笔 foundry 性能合入加 8 笔新开：GEMM（瓦片重排、联合选择、单条 WGMMA）之后，池化、归一化、归约、RoPE 全面铺开，且每笔都带对照基准（torch-compile / cuBLASLt / quack）。单人作者的日更节奏说明：TileOps 的性能工程已从「重点算子攻坚」转为「全算子逐日刷榜」，残余落后面（MoE 四行、部分 16 位除法行）被逐笔记录在案。

5.3 ROCm：DeepSeek 新架构内核的第三条收笔线

  • 继 NSA 前向/解码与 flash-decoding 瓦片（10-12 ~ 10-13）之后，本窗口再收 mHC 前/后内核与 KDA 解码示例——ROCm 线连续第三日有合入，且主题高度集中于 DeepSeek 系新架构（NSA、mHC）与 GLM-5.3 推理。技术债务（CDNA 波前尺寸、MFMA 输入类型、LDS/VGPR 预算）逐笔清偿的方式表明：ROCm 支持正从「跑通」转向「与新架构发布同步」。

5.4 在审队列继续变厚，发布静默期的底盘增长

  • 单窗口合并 28 笔、新开 42 笔、在审更新 79 笔：主仓开放 PR 161 笔（上一期 168）、TileOPs 26 笔（上一期 19）、昇腾仓 229 笔——主仓瘦身、TileOPs 变厚。正式版本继续静默（主仓最新 v0.1.15，09-30；TileFoundry v0.0.2），但夜间底盘正确性 +22、基准 +19 的爬升持续：合入、评测、示例三线在为下一个发布窗口积累静态准备。

附：素材与核查说明

信源 核查结果
tile-ai 组织（29 仓库） 窗口内 10 个仓库有推送：tilelang（合入 4、在审更新 29、新开 9）、TileOPs（合入 18、在审更新 22、新开 25）、TileFoundry（合入 2、新开 1）、tilelang-ascend（合入 3、在审更新 25、新开 5）、tilelang-hygon（三分支推送）、tilelang-metax（main 同步）、tilelang-mlir-ascend（合入 1、在审 1、新开 1）、TileSight（dev 分支建立与分支推送）、TileOPs-nightly（快照 1 份）、TileOPs.github.io（部署 1 次）；组织窗口内合计合并 28 笔、新开 42 笔、在审更新 79 笔
主仓 tilelang 合入 4 笔（#3156、#3249、#3455、#3461）；开放 PR 计 161 笔（上一期 168）；发布页窗口内无新增（最新 v0.1.15，09-30）
昇腾仓（ascend / mlir-ascend） ascend：合入 3 笔（#1612、#1676、#1681）；开放 PR 计 229 笔（上一期 228）。mlir-ascend：合入 1 笔（#190）；开放 PR 计 32 笔。默认分支为 ascendc_pto（非 main），分支级核查已执行
海光 / 沐曦 / 摩尔线程 海光：三分支推送（gcy_merge_main、feat/hcu-gemm-blockscaled-async-copy-layout〔新分支〕、upgrade/upstream-v0.1.15）加分支建立 1 次；#18 在审。沐曦：main 推送到上游 v0.1.15 节点（#3309）；dev 无新提交。摩尔线程（09-30 后）与 Sunrise（10-12 后）无活动
TileOPs 合入 18 笔（#2521、#2533、#2535、#2536、#2542、#2545、#2546 至 #2552、#2555、#2557、#2565 至 #2567）；开放 PR 计 26 笔（上一期 19 笔）
TileOPs-nightly 新快照 a79a21e4（10-14 04:18）：正确性 1064 项（62 套件，+22）、基准 1966 项（53 套件，+19），零失败零错误
TileFoundry 合入 2 笔（#229、#227）；开放 PR 计 1 笔；发布页无新增（最新 v0.0.2，09-10）
TileSight 10-13 建立 dev 分支并出现分支级推送（仓库 pushed 至 10-14 00:16）；公开分支含 main 与 tilelang（后者含 TileLang 前端提交）；无发布内容
采用方与社区 TileKernels、FlashQLA 无窗口内推送（均 09-30）；TileRT 无动态；tilelang-debugger 无更新（10-10 后）；easy-tilelang 教程仓更新 1 笔；SwHwCodesign 公开仓 2 个、无窗口内推送
PTO-ISA 组织 SuperNPUBench：发布 ops-20261013.2；窗口内 8 笔提交（含 2 次合并）——CUBE TCVT 直连、topk fixture 与 ELF、rms_norm 归档、dmxq 构建接入
Google News / Hacker News / arXiv Google News 窗口内零新增命中；HN 96 小时零条目；arXiv 无新预印本

完整信源清单