調査期間：2026-10-12 07:00 ~ 2026-10-13 07:00（北京時間、24 時間）。

情報源：GitHub（tile-ai 組織 29 リポジトリのプッシュ全量核查、期間内に 9 リポジトリでプッシュあり：tilelang、TileOPs、TileFoundry、tilelang-ascend、tilelang-hygon、tilelang-sunrise、TileOPs-nightly、tilelang.github.io、TileOPs.github.io；組織期間内マージ 20 件、新規オープン 41 件、レビュー中更新 59 件；メインリポジトリ 7 件マージ、TileOPs 10 件マージ、TileFoundry #221 着地、昇騰 NSA 双方向移行マージ、海光三分岐推進、夜間パイプライン 1 件の新スナップショット、メインドキュメントサイト 3 回ビルド）、コミュニティリポジトリ核查（PTO-ISA SuperNPUBench コミットとリリース、tilelang-debugger、SwHwCodesign アカウント）、Google News RSS 中国語・英語複数クエリ（プロキシ経由）、Hacker News、arXiv、ドキュメントサイトとリリースページ核查。

本期インデックス

  • 今日の重点：ROCm 2 件と昇騰 NSA 大移行が確定——TileOPs 単日 10 件で SM89 を第二プラットフォーム化（10-12 ~ 10-13）
    1. コアプロジェクト進展
      • 1.1 メインリポジトリ：ROCm 2 件——DeepSeek NSA 前向/デコードと flash-decoding 可行タイル（10-13）
      • 1.2 メインリポジトリ：thread_storage_sync 精確スレッド境界（#3291）と #2954 修正（10-13）
      • 1.3 メインリポジトリ：Autotune 構造化試験レポート、CodeRabbit 自動アサインとテスト規範ドキュメント（10-12 ~ 10-13）
      • 1.4 メインリポジトリ：昇騰 PTODSL SIMT リダクションヘルパー vendoring（#3469）で CANN Weekly コンパイル修正（10-12）
      • 1.5 メインリポジトリレビュー中：SM120 MXFP8/MXFP4 ブロックスケーリング MMA、L2 プリフェッチと Host IR 2 件など（10-12）
    1. マルチバックエンド適配（昇騰 / 沐曦 / 海光 / 摩尔線程）
      • 2.1 昇騰：NSA Decode / NSA Bwd 2 件の大移行マージ——48 例の階層テスト（10-12）
      • 2.2 昇騰：cross-warp allreduce グループ修正開票（#3494）とコピー/精度/キャッシュ修正バッチ（10-12）
      • 2.3 海光：FP8 分岐推進（432 TFLOPS 口径）、上流 v0.1.15 アップグレード分岐と登録パイプライン（10-12）
      • 2.4 MLIR 昇騰 2 件レビュー中；Sunrise は CI 依存アップグレードのみ；沐曦 / 摩尔線程は静黙（10-12）
    1. エコシステムと採用側
      • 3.1 TileOPs：SM89 プラットフォーム拡張バッチ——GQA プレフィル/デコード、GDN / DeltaNet と Norm（10-12）
      • 3.2 TileOPs：foundry パフォーマンスバッチ——NSA 持続 CTA、W4A16 GEMM と 16 ビット除算（10-12）
      • 3.3 TileOPs：線形注意力修正——TMA ハング回避と GLA プレフィル状態スキップ（10-12）
      • 3.4 TileOPs レビュー中：SM89 四連、ページド KV / 注意力クラスタと MoE 2 件（10-12）
      • 3.5 TileFoundry：パーサー操作属性と字句レイアウトシュガーマージ（#221）；scaffold 独立プロジェクトレビュー中（#227）（10-12）
      • 3.6 夜間パイプライン：新スナップショット——正確性 1042 項（+10）、ベンチマーク 1947 項（52 スイート）零失敗（10-13）
      • 3.7 採用側とドキュメント：TileKernels / FlashQLA 静黙；メインドキュメントサイト 3 回ビルド（10-12 ~ 10-13）
    1. コミュニティ、チュートリアルとイベント
      • 4.1 PTO-ISA：SuperNPUBench 4 件コミットと 2 リリース（ops-20261012 / ops-20261013）（10-12）
      • 4.2 コミュニティアカウント：SwHwCodesign 6 件の AI-* プレースホルダーリポジトリ；TileLang-Awesome はアクセス不可（10-12）
      • 4.3 メディアと学術：Google News / HN / arXiv 期間内新規ゼロ（10-12）
    1. トレンド観察
      • 5.1 ROCm 補習：デバイス予算感知の 2 件修正
      • 5.2 SM89 が第二プラットフォームに：単日 6 件マージと 4 件レビュー中
      • 5.3 昇騰移行ラインは正確性収尾へ移行
      • 5.4 リリース静黙期の底盘成長
  • 付：素材と核查説明
  • 完全情報源リスト

今日の重点：ROCm 2 件と昇騰 NSA 大移行が確定——TileOPs 単日 10 件で SM89 を第二プラットフォーム化（10-12 ~ 10-13）

日付：2026-10-12、2026-10-13　情報源：ROCm NSA（#3152）／ ROCm flash-decoding タイル（#3149）／ 昇騰 NSA Decode（#1701）／ 昇騰 NSA Bwd（#1730）／ TileOPs PR リスト／ 夜間スナップショット（6ec0d086）

調査期間24時間以内に組織は20件をマージ（メインリポジトリ7、TileOPs 10、TileFoundry 1、昇騰適応リポジトリ2）、新規41件を作成；9つのリポジトリにプッシュがあり、マージは一日中続き10-13の未明に集中的に収束した（メインリポジトリの4件のマージは北京時間の未明に実施）。

  • メインリポジトリ ROCm の2件が確定：DeepSeek NSA の前向き/デコードを HIP 側で64レーン単一ウェーブに変更（#3152）；flash-decoding カーネルはデバイスの LDS/VGPR 予算に応じて128x64と64x64のタイルを自動選択（#3149）——それぞれ gfx942 における「サブウェーブ未満の block が拒否される」問題と「タイルが予算超過で起動失敗する」問題を修正（詳細は1.1）。
  • 昇騰 NSA の2件の移行をマージ：Decode（#1701）と逆方向（#1730）の2件で合計 +2348 行のサンプル、いずれも Developer mode hybrid 実装で、28 / 20 件の階層化テストスイートを添付（詳細は2.1）。
  • TileOPs は1日で10件をマージ：SM89 が1日で GQA プリフィル/デコード、GDN / DeltaNet プリフィル、InstanceNorm と Norm リファクタリングを取り込み；foundry 性能バッチ（NSA 永続 CTA、W4A16、16ビット除算）も同日に推進（詳細は3.）。
  • 海光の3ブランチが推進：新機能ブランチ FP8 MQA（コミットは channelwise GEMM が 432 TFLOPS に達すると主張）、上流 v0.1.15 アップグレードブランチが適応をマージ、登録パイプライン #18 は審査中が継続（詳細は2.3）。
  • 夜間スナップショットとドキュメントサイト：正確性1042項目（前回比 +10）、ベンチマーク1947項目（52スイート）で失敗ゼロ；メインドキュメントサイトは3回ビルド。

1. コアプロジェクトの進展

1.1 メインリポジトリ：ROCm の2件——DeepSeek NSA 前向き/デコードと flash-decoding の実行可能タイル（10-13）

日付：2026-10-13（北京時間の未明にマージ）　情報源：ROCm NSA（#3152）／ ROCm flash-decoding タイル（#3149）

  • DeepSeek NSA on ROCm（#3152、+111/-2）：gfx942 のウェーブサイズは64であり、TileLang はウェーブ未満の HIP block を拒否するが、2つの NSA サンプルは32スレッドをハードコードしていた；本件は前向きと単一トークンデコードのカーネルに単一の64レーンウェーブを選択し、CUDA の既存の32スレッド起動構成を維持し、gfx942 における因果的前向きと単一トークンデコードの正確性カバレッジを追加（PyTorch NSA リファレンスと対照、FP16、16 Q ヘッド 1 KV ヘッド、シーケンス64）。
  • flash-decoding のタイル適応（#3149、+82/-5）：gfx942 上で128x64タイルの生成カーネルは66048バイトの動的 LDS（65536のデバイス上限を超過）を必要とし、256 VGPR の天井に達し、起動時に「invalid argument」を報告していた；本件は起動前に生成された HIP の LDS と VGPR 使用量を検査し、予算超過時のみ既存の64x64タイルにフォールバックする（デバイス名によるハードコードは行わない）、CUDA パスは変更なし、gfx942 の実行時リグレッションを追加。

1.2 メインリポジトリ：thread_storage_sync の正確なスレッド境界（#3291）と #2954 の修正（10-13）

日付：2026-10-13　情報源：正確なスレッド境界（#3291）

  • thread_storage_sync のために正確なスレッド境界を計算（4ファイル、+292/-96）。作者は #2954 が本コミットで修正されたことを確認。新規テストケースで「等価な部分スレッド guard が同一 barrier に帰約される」ことを検証し、SM89（4060 Ti）上での前後のコンパイル生成物の比較を添付。

1.3 メインリポジトリ：Autotune 構造化試験レポート、CodeRabbit 自動アサインとテスト規範ドキュメント（10-12 ~ 10-13）

日付：2026-10-12、2026-10-13　情報源：試験レポート（#3393）／ CodeRabbit 自動アサイン（#3487）／ テスト規範（#3489）

  • Autotune 試験レポート（#3393、+98/-7）：実験的な AutoTuner.run(on_trial=...) オブザーバーインターフェースを追加（RFC #3375 に対応）。試験ごとに設定インデックス、JSON 設定、結果、レイテンシ、検証ラベルと制限付きエラーテキストを出力。コールバックは集約スレッド上、共有キャッシュロックの外側で実行される。レポート/シリアライズのエラーは該当レポートを閉じるだけでチューニングには影響せず、候補生成、タイムアウト、キャッシュアイデンティティも変更しない。作者は「コールバック vs 固定 JSONL 成果物」が依然としてオープンな API 決定事項であると注記。
  • レビューガードレール（#3487、+1/-1）：CodeRabbit の reviews.auto_assign_reviewers を true に設定し、実際に review リクエストを発出させるようにした（従来は走査で提案を列挙するのみ）。11 件の reviewer ルールと順序は変更なし。
  • テスト規範（#3489、8ファイル）：Testing Style Guide を追加——いつ既存カバレッジに依存するか、いつ最小拡張するか、いつ焦点を絞ったカバレッジを新規追加するか。tilelang-cpp-style を tilelang-dev-guide に改名し、C++ ルールはオンデマンド参照へ移行。CONTRIBUTING を簡素化しリンクを掲載。

1.4 メインリポジトリ：昇騰 PTODSL SIMT 帰約ヘルパーの vendoring（#3469）で CANN Weekly コンパイルを修正（10-12）

日付：2026-10-12　情報源：PTODSL 帰約ヘルパー vendor（#3469）

  • PTOAS 上流が ptodsl/_allreduce.py を削除し、TileLang が自ら vendor することを想定したが、メインリポジトリの contrib/ptodsl/simt.py は依然として同モジュールを参照——最新の CANN Weekly（09-30）で任意の PTO ターゲットオペレータをコンパイルすると ModuleNotFoundError が発生。本コミットでヘルパーを tilelang/contrib/ptodsl/allreduce.py として vendored（+555/-115）し、整型シンボル互換を monkey patch から帰約テーブルと dtype ディスパッチに統合し、PTO ターゲットの可用性を回復。

1.5 メインリポジトリ審査中：SM120 MXFP8/MXFP4 ブロックスケーリング MMA、L2 プリフェッチと Host IR 2件など（10-12）

日付：2026-10-12　情報源：SM120 MX ブロックスケーリング MMA（#3495）／ L2 プリフェッチ（#3490）／ Host IR 直結 JIT（#3481）／ Host IR 実行統一（#3473）／ Windows ARM64 CI（#2962）

  • #3495（+884/-51）：T.gemm_blockscaled は SM120/SM121 上でブロックスケーリング MMA ファミリーを NVFP4 から MXFP8（kind::mxf8f6f4、1X、UE8M0）と MXFP4（mxf4nvf4、2X、UE8M0）へ拡張し、FP32 累加、K 要素 32 個ごとに 1 スケール；10-10 にマージされた SM121 点灯（#3430）を引き継ぎハードウェアマトリクスを拡張し続ける。
  • #3490（+87/-1）：tl.prefetch_l2(addr, eviction_policy=...) を新規追加、evict_normal / evict_last をサポート、sm_80 以上を要求、CUDA codegen はポリシーをコンパイル時テンプレートパラメータとして発行する。
  • Host IR 2 件（#3481 / #3473）：Host IR JIT とキャッシュへの直結、CUDA と CuTeDSL 実行の Host IR 経由での統一、引き続き審査中。
  • その他審査中の項目：CI に Windows ARM64 を追加（#2962）、JIT パラメータのハッシュ可能検証（#3417）、部分波スカラーリダクション（#3478）、正数定数除数の安全 guard 平坦化（#3488）、cast 組み合わせ検証（#3350）、TMA ディスクリプタ名検証（#3484）など。

2. マルチバックエンド適配（昇騰 / 沐曦 / 海光 / 摩尔線程）

2.1 昇騰：NSA Decode / NSA Bwd の 2 件の大型移行をマージ——48 例の階層テスト（10-12）

日付：2026-10-12　情報源：NSA Decode（#1701）／ NSA Bwd（#1730）

  • #1701（+755）：example_tilelang_nsa_decode.py は Developer mode hybrid（combineCV + auto_cv_sync + auto_sync + memory_planning の 4 つの pass_configs）で NSA Decode 単核デコード（seq_q=1）を実装し、明示的な L1/L0C/UB 割り当て、5 段の GM workspace を workspace_idx=[6..10] で自動割り当て；コンパイラが自動的に Cube/Vector スコープを分割し、クロスコア flag 同期を挿入する（手動 barrier/Scope/set_flag が不要）。階層テスト 28 例：L0 閾値、L1 機能（DeepSeek-V3 の典型的な設定 D=128、S=16、BS=64 を含む）、L2 異常と境界特殊値；910B3、fp16 の実測（B=2、SEQ_LEN=64）。
  • #1730（+1593）：example_tilelang_nsa_bwd.py は nsa_fwd（オンライン softmax + 疎な K ブロック選択、エンドツーエンド用）と nsa_bwd_single（単核逆方向：5 GEMM + softmax + Delta + dS をオンチップ融合）の 2 つの JITカーネルを提供；逆方向は flashattn_bwd パラダイムに従いオンチップ直結の T.copy（L0C→UB、UB→L1）で 9 個の GM workspace を省略し、2 段の補償 GEMM（ds_delta / ds_delta2）を保持；階層テスト 20 例。両件の移行バッチは国慶節前後を通じて行われ、本調査期間で適配リポジトリのデフォルトブランチに確定した。

2.2 昇騰：cross-warp allreduce グルーピング修正の起票（#3494）とコピー/精度/キャッシュ修正バッチ（10-12）

日付：2026-10-12　情報源：cross-warp allreduce グルーピング（#3494）／ サンプル精度整合（#1867）／ situ_glu_grad サンプル（#1877）／ copy_ub_to_gm 修正（#1795）

  • #3494（メインリポジトリ、+145/-26、審査中）：1 回の cross-warp allreduce が複数の独立したリダクショングループをカバーする場合、ascend と pto の 2 つの target が最初のグループの結果をすべてのグループに送信してしまう——これは #3469 マージ後にコミュニティから報告された正確性フィードバック（最小再現を含む）であり、修正はグループ単位の配布による。昇騰ラインの「一批を移行し、一批を監査する」リズムが明瞭である。
  • 適配リポジトリは承認審査中：サンプル精度チェックの標準への整合（#1867）、situ_glu_grad オペレータサンプル（#1877）、copy_ub_to_gm がコンパクトな sub-32B 行を表現できず keepdim リダクション出力が破損する不具合の修正（#1795）；キャッシュ三分割（#1871 から #1873、JIT 特化キーにチューニングパラメータを組み込み、autotune キーを有効プロファイルパラメータに整合、NPU とシミュレータのキャッシュを分離）。
  • メインリポジトリ昇騰審査中クラスタ：SimdVF T.fill マルチバッファ（#3455）、SimtVF remat_idx / ベクトル gather pack（#3492）、SimdVF dim=1 リダクションの行単位単一要素ストア（#3437）、L0C fp32→f16/bf16 dual_copy の途中 cast（#3468 と #3328 の 2 件並行）、独立 AIV 実行（#3485）、T.PersistentKernel と AutoPersistent（#3325）、手書き FlashMLA サンプル（#3464）、VF スコープ外スカラー sqrt（#3466）、DeepGEMM の PTO codegen（#3330）、サンプルターゲット選択（#3474）など。

2.3 海光：FP8 ブランチ推進（432 TFLOPS 口径）、上流 v0.1.15 アップグレードブランチとレジスタパイプライン（10-12）

日付：2026-10-12　情報源：レジスタパイプライン（#18）／ feat/hcu-mqa-fp8 ブランチ／ upgrade/upstream-v0.1.15 ブランチ

  • レジスタパイプライン（#18）：ブランチ gcy_merge_main を登録（49 ファイル、+4144/-318）、調査期間内に 2 回のプッシュ更新があり、引き続き審査中——海光バックエンドにレジスタパイプライン（共有メモリパイプラインと協調）および 4 ウェーブ超時の warp-diverge を追加するもので、作者はサンプル GEMM がベンチマークライブラリ相当の性能水準に達したと述べている。
  • FP8 フィーチャーブランチ feat/hcu-mqa-fp8：コミットチェーンが MLS channelwise FP8 GEMM をカバー——10-10 からの「432 TFLOPS に到達」のコミット、10-12 に「M≤32 時に fp8 デコード GEMM の帯域が hipblas を超える」を補足し、ファイルと命名を収束（いずれもブランチ内の作者自己測定口径であり、PR との関連はまだ見られない）。
  • アップグレードブランチ upgrade/upstream-v0.1.15：10-12 に「Merge upstream v0.1.15 and adapt HCU backend」をマージ、海光バックエンドがメインリポジトリ v0.1.15 と整合。
  • 沐曦（最近のプッシュ 09-24）、摩尔線程（09-30）は本調査期間内に活動なし。

2.4 MLIR 昇騰 2 件審査中；Sunrise は CI 依存アップグレードのみ；その他バックエンドは静か（10-12）

日付：2026-10-12　情報源：T.Pipelined パラメータ化（#199）／ FloorDiv / FloorMod codegen（#200）／ tilelang-sunrise

  • MLIR 昇騰：T.Pipelined() の num_stages / stage / order / group パラメータ対応が審査中（#199）；TileLangIR の FloorDiv / FloorMod codegen が審査中（#200）。
  • Sunrise（Sunrise S2/S3 の TANG バックエンドリポジトリ）：調査期間内は Dependabot による 2 件の CI 依存アップグレードのみが審査中（upload-artifact、download-artifact）で、コード面の動きなし。
  • 組織レベルのその他リポジトリ（TileRT、tilescale、DeepStack、tilelang-puzzles など）は調査期間内にコミットなし。

3. エコシステムと採用側

3.1 TileOPs：SM89 プラットフォーム拡張バッチ——GQA プリフィル/デコード、GDN / DeltaNet と Norm（10-12）

日付：2026-10-12　情報源：D256 GQA デコード（#2529）／ dense GQA プリフィル（#2528）／ GDN / DeltaNet プリフィル（#2527）／ InstanceNorm 修正（#2526）／ Norm 設定リファクタリング（#2544）

  • D256 dense GQA デコード（#2529）：SM89 で 256 次元 dense GQA デコードを開放——64×64、単一 stage、128 スレッドの分割プログラムを踏襲し、16 個の候補分割が 98304 バイトを占める（SM89 の上限 101376 未満）；単一 split 候補を排除し、短 KV の 2 split 候補を保持；テストを 61 ノード（+6）に拡張し、KV 長 1 / 63 / 2048 をカバー。RTX 6000 Ada で実測。
  • dense GQA プリフィル（#2528、+260/-43）：SM89 に FP16/BF16 とネイティブ FP8 プリフィルを新規追加（パックドアテンションプログラムを再利用、ヘッド次元 128）、14 例が main で失敗し本コミットで通過（10 FP16/BF16 + 4 FP8）；矩形マスク、グループ化ヘッド、カスタム scale、softcap、RoPE と FP8 逆量子化を保持；デフォルト設定とメモリ会計を共有し、重複実装を回避。
  • GDN / DeltaNet プリフィル（#2527、11 ファイル）：KDA の chunk prepare と scan プログラムを再利用して SM89 プリフィルを実装し、21 例の汎用プリフィルが「失敗で配布不可」から通過へ；raw-beta 丸め、パックドシーケンス境界、グループ化ヘッド、FP32 初期・最終状態と GDN の value-major 状態レイアウトを保持；安定三角求解を再利用し、相関キー用例ではトレランスを緩和しない。
  • Norm 2 件：#2526 は 192×192 空間入力の InstanceNorm 訓練コンパイルを修正（6 つの batch / 精度組み合わせが失敗から通過へ、GroupNorm の幅境界と 2 パス帰約を再利用）；#2544 は共有シフト帰約幅定数（32768）を norm 設定モジュールに帰属（87 例すべて通過、性能主張なし）。

3.2 TileOPs：foundry 性能バッチ——NSA 永続 CTA、W4A16 GEMM と 16 ビット除算（10-12）

日付：2026-10-12　情報源：NSA 永続 CTA（#2531）／ W4A16 GEMM（#2534）／ 16 ビット除算（#2543）

  • NSA 圧縮永続 CTA（#2531、+391/-2）：SM90 で NSACompressedVarlenFwdOp を新カーネル NSACompressedFwdVarlenTMAKernel に切り替え——旧カーネルは（token, KV ヘッド）ごとに 32 スレッドの CTA を 1 枚、token ごとに圧縮 K/V を再ロード；新カーネルは 512 永続 CTA で、各 CTA が 64 行タイル（4 token × 16 ヘッド）を歩み、クエリは 2 stage TMA リング経由、リクエスト K/V ブロックは共有メモリに常駐、QK は n=16 SS WGMMA、PV は n=64 RS WGMMA、O は QK 読み取り完了後に TMA 経由で log-sum-exp とともに出力；各 SM に 4 個の 48KB CTA を常駐。
  • W4A16 GEMM（#2534、+24/-0）：_legal_configs で K タイルが K を超えず、リング深が K のタイル数を超えないよう制限し、K<512 ではゼロ埋めをやめる；single-tile（K=128）と multi-tile（K=256）の行は 8x64 タイルと 128/256 幅 K タイル（2 stage）に変更し、torch 逆量子化 matmul をリード；残り 13 行の設定は不変、3 行は依然として後れ（著者が自ら限界を列挙）。
  • 16 ビット除算（#2543、9 ファイル）：Reciprocal と bf16 sigmoid を IEEE float32 除算から __fdividef 高速除算（bf16 は範囲スケーリング版）に切り替え、16M 行 fp16/bf16 でレイテンシ 17.86 / 17.79 マイクロ秒、旧版の 1.02x、torch-compile の 0.991x / 0.995x。

3.3 TileOPs：線形アテンション修正——TMA ハング回避と GLA プリフィル状態スキップ（10-12）

日付：2026-10-12　出典：単一タイルデコード状態ロード（#2538）／ GLA プリフィル状態スキップ（#2540）

  • #2538（+66/-6）：SM90 上の k_tile == dim_k の GLA / DeltaNet 再帰デコードプログラムが初回起動でハング——TileLang 0.1.12 が単一ステップ状態コピーを 1D バッチコピーに降格し、その producer が warp specialization 下で barrier に永遠に到達しない；4 つの builder を非 TMA ロードに変更後、任意の dim_k を整除する k_tile が動作可能となり、k_tile < dim_k の挙動は不変；コードに FIXME を残し、TileOPs が TileLang 0.1.13+ を固定後に回避策を收回する予定。
  • #2540（+77/-67）：4 セットの GLAFwdOp プリフィル実装を has_initial_state で特化——初態なし時は局部再帰タイルをクリアし未読スカラーでプレースホルダ、FP32 初態テンソル全体の割り当て・ゼロクリア・読み取りを省略；状態付き構築のデバイスソースコードは main とバイト単位で一致し、公開インターフェースと分配域は不変（#2380 をクローズ）。

3.4 TileOPs 審査中：SM89 四連、ページド KV / アテンションクラスタと MoE 二筆（10-12）

日付：2026-10-12　出典：SM89 四連（#2546 〜 #2549）／ varlen sinks とスライディングウィンドウ（#2537）／ PagedKVCacheWrite（#2539）／ masked FP8 グループ GEMM（#2521）／ DeepSeek グループ top-k（#2535）

  • SM89 四連（#2546 〜 #2549）：GLA 逆方向状態寿命、DeltaNet 逆方向共有メモリ適配、KDA 融合プリフィル、MoE 緊致行単位グループ GEMM——SM89 カバレッジがマージ済み筆から審査中筆へ延伸。
  • ページド KV / アテンションクラスタ（六筆）：varlen GQA ヘッド sinks とパイプラインスライディングウィンドウ（#2537——ウィンドウ行は既存最適ベースラインより 1.03〜1.13 倍高速、sink 混合は FlashInfer より 1.51〜1.53 倍高速、一部 RoPE と 2 行 FP8 は依然参考値未満）；PagedKVCacheWriteFwdOp（#2539、呼び出し元スロットによる in-place スキャッター、FP8 独立 K/V スケールと飽和丸め、vLLM ベンチマークアダプタ付き）；paged GQA に RoPE/ウィンドウ/sinks 追加（#2516）、ページド KV gather（#2519）、LSE 加重アテンション状態マージ（#2530）、長因果 KV の dense FP8 GQA パイプライン（#2541）。
  • MoE 二筆：masked FP8 グループ GEMM（#2521、deep_gemm masked セマンティクスに整合、MoE roofline 公式の全体転送による流量過大評価を修正、14 行負荷）；DeepSeek グループ top-k ルーティング（#2535、num_expert_group / topk_group / routed_scaling_factor を vLLM grouped_topk に整合、T=512 時に 32 / 132 SM しか占有しないスケジューリング問題を修正）。
  • GEMM 性能バッチ（四筆）：FP8 タイルリオーダーと 1x128 B スケール走波カーネル（#2533）、短緊グループで SM 充填（#2536）、モジュール定数スコープ収束（#2542）、W4A16 スコアリングと K スライス（#2545）が引き続き審査中。

3.5 TileFoundry：パーサ操作属性と語彙レイアウトシュガーがマージ（#221）；scaffold 独立プロジェクトが審査中（#227）（10-12）

日付：2026-10-12　出典：パーサ属性とレイアウトシュガー（#221）／ scaffold 独立プロジェクト（#227）

  • マージ #221（222 ファイル、+4473/-4951）：op 属性とレイアウトに統一的な作者向けインターフェースを確立——スキーマ化された op 属性の解析、レイアウトの組み合わせと明示的値の状態を扱い、fixture とチュートリアルを移行して printer の金本を再生成；mesh 選択は組み合わせ構築に変更し specialize(mesh=...) をサポート；parser の文法・規則を実行可能パターンから生成し、pre-commit 検証を付加；buffer-alias 変更とベースを合わせた後、Reshard エイリアスと領域メモリ記録を整合。

  • 審査中 #227（47 ファイル）：tilefoundry scaffold SOURCE OUT_DIR を新規追加——Target codegen に従って編集可能な独立 CMake プロジェクト（パラメータビュー、特化ディスパッチ、ランチャー、ホスト登録、プレースホルダ CUDA 本体）を生成し、呼び出し規約を壊さずに作者がカーネル本体を引き継げるようにする；codegen の生成物とリンクを 6 つのモジュールファイルに分割し、LinkedModule.functions が単一の entry を置き換える。

3.6 夜間パイプライン：新スナップショット——正確性 1042 項（+10）、ベンチマーク 1947 項（52 スイート）ゼロ失敗（10-13）

日付：2026-10-13　情報源：夜間スナップショット（6ec0d086）／ スナップショット実行メタデータ

  • 新スナップショット 6ec0d086（run 38288018755、10-13 03:53）：正確性 1042 項（61 スイート、前スナップショット比 +10、0 失敗 0 エラー 1 スキップ）、ベンチマーク 1947 項（52 スイート、0 失敗）；環境 H200、CUDA 13.2、ドライバ 595.71.05、スナップショット内 tileops 0.0.1.dev1296+g6ec0d086d、tilelang 0.1.12。
  • 正確性の増分は調査期間内の SM89 シリーズのマージと同時期で、評価基盤は引き続き「1 コミットをマージするごとに、基盤が一段上がる」というローリングペースを維持。

3.7 採用元とドキュメント：TileKernels / FlashQLA は静か；メインドキュメントサイト 3 回ビルド（10-12 ~ 10-13）

日付：2026-10-12、2026-10-13　情報源：メインドキュメントサイト／ TileKernels／ FlashQLA

  • 採用元：TileKernels（DeepSeek）と FlashQLA（Qwen）は調査期間内のプッシュなし（いずれも 09-30 以降静か）；TileRT は調査期間内の動きなし。
  • ドキュメントサイト：メインサイト 3 回ビルド（10-12 に 2 回、10-13 未明に 1 回）；TileOPs サイトは 1 回の gh-pages デプロイ（10-12 午前）。

4. コミュニティ、チュートリアルとイベント

4.1 PTO-ISA：SuperNPUBench の 4 コミットと 2 リリース（ops-20261012 / ops-20261013）（10-12）

日付：2026-10-12　情報源：SuperNPUBench／ ops-20261013 リリース

  • 調査期間内の 4 コミット：rms_norm が 16 KiB タイルで R=8192 のリダクションを分解（#223）、gfsim RES_CHECK ファイル IO のロックステップ安全性修正、matmul_test を 4-PE（Local-A / Shared-B、#222）に簡素化、#225 マージ。
  • 2 つの ops リリース：ops-20261012 と ops-20261013——後者は main 4c66c2ab に基づき、suite ごとに 2 つの小パッケージに分割、全コンパイル生成物 ELF を含む（gfrun ゲートは設けない）；リリースノートは「ツールチェーンの 4 項目は変わらず、前バージョンとの生成物の差異はすべてコードに由来する」と明記。

4.2 コミュニティアカウント：SwHwCodesign の 6 つの AI-* プレースホルダリポジトリ；TileLang-Awesome はアクセス不可（10-12）

日付：2026-10-12　情報源：SwHwCodesign アカウント／ 元 TileLang-Awesome リンク

  • 10-11 に出現した第三者整理リポジトリ TileLang-Awesome（前回の報告期間に収録）は現在アクセス不可（404、かつ同名の新規リポジトリは検索でも見つからない）。同一アカウントが 10-12 夜に 6 つのプレースホルダーリポジトリ（AI-Chip / AI-Compiler / AI-Infra / AI-Instruction / AI-Kernel / AI-Model、いずれも初期コミット）を新規作成——第三者の資料整備はまだ形になっていない。
  • tilelang-debugger（superAngGao）は調査期間内の更新なし（最新コミット 10-10）。他に新しい第三者ツールリポジトリは見つかっていない。

4.3 メディアと学術：Google News / HN / arXiv は調査期間内で新規ゼロ（10-12）

日付：2026-10-12　情報源：Google News／ Hacker News 検索／ arXiv 検索

  • 中国語・英語の複数クエリで調査期間内の新規ヒットはゼロ：10-11 の tech-insider まとめ記事と 10-10 / 10-11 の知危の深掘り解説はいずれも前号で収録済みで、今回の調査期間に後続の新記事はない。
  • Hacker News は 96 時間でゼロ件。arXiv に新規プレプリントなし（最新の関連は依然として 07-24 の TileSight 分析モデル論文）。

5. トレンド観察

5.1 ROCm の補習：デバイス予算を意識した 2 件の修正

  • 今回の調査期間の 2 件の ROCm 修正は同一テーマ——「デバイスの現実に応じて適応する」を指す：gfx942 の 64 lane ウェーブフロント（#3152）と LDS/VGPR 予算（#3149）。いずれもユースケース側（examples）での修正で、カーネル内の生成戦略には触れておらず、ROCm サポートが依然「動作させて回帰を追加する」段階にあることを示す。メインリポジトリで最近の SM121、SM89 の複数世代同時修正が合流したことと合わせると、TileLang のバックエンド構成は「NVIDIA 優先」から「複数デバイスの同時保守」へ移行しつつある。

5.2 SM89 が第二のプラットフォームに：1 日で 6 件マージに加え 4 件審査中

  • TileOPs は 1 日で 6 件の SM89 マージ（アテンションのプリフィル／デコード、線形アテンション、Norm の全カバー）に加え 4 件の SM89 審査中。RTX 40 シリーズと L40 / 6000 Ada 級ワークステーションが、オペレータライブラリ側で Hopper と並ぶ常態的なターゲットになった。評価側も同期（ナイトリー基盤 +10 項目）し、SM89 の正確性カバレッジは「コンパイルできる」から「回帰がある」へと向かっている。

5.3 昇騰移行ラインは正確性の収尾へ

  • NSA のフォワード／バックワードの 2 件の大型移行がマージ（合計 48 件の階層テスト）、キャッシュ三分割と cross-warp allreduce グルーピング修復が継続——昇騰ラインの重心は「サンプルとオペレータの移植」から「正確性、キャッシュセマンティクス、コンパイル可用性」の収尾監査へ移った。#3469 の修復後に即座にコミュニティから正確性修復のフィードバック（#3494）が現れ、協業ループは正常に機能している。

5.4 リリース静穏期における基盤の成長

  • メインリポジトリは 09-30 の v0.1.15 以降、新規リリースなし。組織のオープン PR は計 507 件（前回 498 件）、単一調査期間の新規オープン 41 件、マージ 20 件——「マージゲートの締め付け、審査待ちキューの厚み」という構造が継続。TileOPs の SM89 拡張とナイトリー基盤 +10 は、正式版が静穏であってもマージと評価の 2 ラインの「静的準備」が蓄積し続けていることを示しており、リリースウィンドウが近いという判断は変わらない。

付：素材と検証説明

情報源 検査結果
tile-ai 組織（29 リポジトリ） 調査期間内に 9 リポジトリでプッシュあり：tilelang（マージ 7、レビュー中更新 29）、TileOPs（マージ 10、レビュー中更新 16）、TileFoundry（マージ 1、レビュー中 1）、tilelang-ascend（マージ 2、レビュー中更新 7）、tilelang-hygon（3 ブランチでプッシュ、#18 更新）、tilelang-sunrise（CI 依存 2 件レビュー中）、TileOPs-nightly（スナップショット 1 件）、tilelang.github.io（ビルド 3 件）、TileOPs.github.io（デプロイ 1 件）；組織の調査期間内合計はマージ 20 件、新規オープン 41 件、レビュー中更新 59 件；オープン PR 合計 507 件（前回 498 件）
メインリポジトリ tilelang マージ 7 件（#3152、#3149、#3291、#3489、#3487、#3393、#3469）；レビュー中更新 29 件；オープン PR は 168 件（前回 170 件）；リリースページとタグに調査期間内の新規なし（最新 v0.1.15、09-30）
昇騰リポジトリ（ascend / mlir-ascend） ascend：マージ 2 件（#1701、#1730）；レビュー中更新 7 件；オープン PR は 228 件（前回 230 件）。mlir-ascend：#199、#200 がレビュー中更新
海光 / 沐曦 / 摩尔線程 海光：3 ブランチでプッシュ（gcy_merge_main、feat/hcu-mqa-fp8、upgrade/upstream-v0.1.15）；#18 レビュー中。沐曦（最近プッシュ 09-24）、摩尔線程（09-30）は活動なし
Sunrise 調査期間内は Dependabot による CI 依存アップグレード 2 件（#7、#8）がレビュー中のみ；オープン PR は 3 件
TileOPs マージ 10 件（#2526 から #2529、#2531、#2534、#2538、#2540、#2543、#2544）；レビュー中更新 16 件；オープン PR は 19 件
TileOPs-nightly 新規スナップショット 1 件 6ec0d086（10-13 03:53）：正確性 1042 項目（61 スイート、+10）、ベンチマーク 1947 項目（52 スイート）、失敗ゼロ・エラーゼロ
TileFoundry マージ 1 件（#221）；レビュー中 1 件（#227）；オープン PR は 2 件
採用側とコミュニティ TileKernels、FlashQLA は調査期間内プッシュなし（ともに 09-30）；TileRT は調査期間内の動きなし；tilelang-debugger は更新なし（10-10 以降）；SwHwCodesign は AI-* プレースホルダーリポジトリ 6 件（10-12）；TileLang-Awesome はアクセス不可（404）
PTO-ISA 組織 SuperNPUBench は調査期間内にコミット 4 件、リリース 2 件（ops-20261012 / ops-20261013）；tilelang-puzzles-ascend は更新なし
Google News / Hacker News / arXiv Google News は調査期間内にヒットゼロ；HN は 96 時間でエントリゼロ；arXiv に新規プレプリントなし

完全な情報源リスト

[53] SwHwCodesign アカウント — https://github.com/SwHwCodesign