調査期間：2026-10-13 07:00 ~ 2026-10-14 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件核查、期間内に 10 リポジトリでプッシュあり：tilelang、TileOPs、TileFoundry、tilelang-ascend、tilelang-hygon、tilelang-metax、tilelang-mlir-ascend、TileSight、TileOPs-nightly、TileOPs.github.io；組織期間内マージ 28 件、新規 42 件、審査中更新 79 件；メインリポジトリ 4 件マージ、TileOPs 18 件マージ、昇騰両リポジトリ 4 件マージ、TileFoundry 2 件マージ；非デフォルトブランチ逐一調査〔ascendc_pto / dev / gcy_merge_main 等〕；夜間パイプライン 1 件の新スナップショット、TileOPs ドキュメントサイト 1 回デプロイ）+ リリースページ核查 + コミュニティリポジトリ核查（PTO-ISA SuperNPUBench、easy-tilelang、SwHwCodesign、tilelang-debugger）+ Google News 中英文複数クエリ（プロキシ経由）+ Hacker News + arXiv。

本期インデックス

  • 今日の重点：MoE 双オペレータの確定と foundry 性能バッチ——TileOPs 単日 18 件マージ、夜間シャーシ +22 項（10-13 ~ 10-14）
    1. コアプロジェクト進捗
      • 1.1 メインリポジトリ：ROCm 2 件——DeepSeek mHC 前/後カーネルと safe-gated KDA デコード示例（10-13 ~ 10-14）
      • 1.2 メインリポジトリ：昇騰コンパイル面 2 件——SimdVF マルチバッファ T.fill（#3455）と bisheng 一時ファイルクリーンアップ（#3461）（10-13）
      • 1.3 メインリポジトリ審査中：SM120 mxf8f6f4 全ファミリ、Metal バッチと昇騰審査中クラスタ（10-13）
    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：ドキュメントファクトチェック戦役 3 件マージ、11 件審査中；chunk と疎 MLA 移行バッチ開出（10-13）
      • 2.2 MLIR 昇騰：NPUIR 明示メモリとパイプライン制御マージ（#190）；Cube メモリ割当 API 審査中（#201）（10-13）
      • 2.3 海光：レジスタパイプライン PR 更新、新ブランチと v0.1.15 アップグレードライン並進（10-13）
      • 2.4 沐曦：main が上流 v0.1.15 ノードに追いつき；摩尔線程静黙（10-13）
    1. エコシステムと採用側
      • 3.1 TileOPs：MoE 双オペレータ確定——masked FP8 グループ GEMM と DeepSeek グループ top-k（10-13）
      • 3.2 TileOPs：SM89 4 件収口——GLA / DeltaNet 逆方向と KDA プリフィル、加えて GQA 修正件（10-13）
      • 3.3 TileOPs：foundry 性能バッチ 8 件マージ、8 件新規開出——プーリング / 正規化 / 還元を展開（10-13 ~ 10-14）
      • 3.4 TileFoundry：Qwen3.8-27B プリフィル示例マージ——初の全長で SGLang を超える示例（10-13）
      • 3.5 夜間パイプライン：新スナップショット a79a21e4——正確性 1064 項（+22）、ベンチマーク 1966 項（+19）ゼロ失敗（10-14）
      • 3.6 採用側とドキュメント：TileKernels / FlashQLA / TileRT 静黙；TileOPs ドキュメントサイトデプロイ（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 が ops-20261013.2 と CUBE 直結等のコミットをリリース（10-13）
      • 4.2 コミュニティアカウント：easy-tilelang チュートリアルリポジトリ更新；SwHwCodesign 公開リポジトリ静黙（10-13）
      • 4.3 メディアと学術：Google News / HN / arXiv 期間内新規ゼロ（10-13）
    1. トレンド観察
      • 5.1 MoE：ペア分割からペア確定へ
      • 5.2 foundry 性能バッチが日次更新リズムに突入
      • 5.3 ROCm：DeepSeek 新アーキテクチャカーネルの第三条収筆ライン
      • 5.4 審査中キューが引き続き厚みを増す、リリース静黙期のシャーシ成長
  • 付：素材と核查説明
  • 完全情報源リスト

今日の重点：MoE 双オペレータの確定と foundry 性能バッチ——TileOPs 単日 18 件マージ、夜間シャーシ +22 項（10-13 ~ 10-14）

日付：2026-10-13、2026-10-14　情報源：masked FP8 グループ GEMM（#2521）／ DeepSeek グループ top-k（#2535）／ DeepSeek mHC カーネル（#3156）／ Qwen3.8-27B プレフィル例（#229）／ 夜間スナップショット（a79a21e4）

調査期間 24 時間以内に組織は 28 件をマージ（メインリポジトリ 4、TileOPs 18、昇騰適応リポジトリ 3、MLIR 昇騰 1、TileFoundry 2）、新規 42 件；10 のリポジトリにプッシュあり。本調査期間の主線は二つ：TileOPs の MoE オペレータの二本同時確定と foundry 性能バッチのマージラッシュ。

  • MoE 二本のオペレータが確定：masked FP8 グループ GEMM（#2521）と DeepSeek グループ top-k ルーティング（#2535）が同日マージ——前者は deep_gemm の masked セマンティクスに整合し 14 行の負荷を登録、後者は vLLM の grouped_topk セマンティクスに整合し T=512 時の SM スケジューリング問題を修正（詳細は 3.1）。
  • TileOPs は単日 18 件マージ：MoE 二本のオペレータのほか、SM89 逆方向/プレフィル四件（#2546 から #2549）、foundry 性能バッチ 8 件と GQA 修正件（#2550）が同日クローズ（詳細は 3.2、3.3）。
  • メインリポジトリ ROCm 二件：DeepSeek mHC（多様体制約付きハイパー接続）前/後処理カーネル（#3156）と safe-gated KDA デコード例（#3249）がマージ——ROCm ラインは連続三日目のクローズ（詳細は 1.1）。
  • TileFoundry マイルストーン：Qwen3.8-27B プレフィル例（#229）がマージ、当該リポジトリ初の 1024 / 4096 / 8192 全長で SGLang を上回った例（詳細は 3.4）。
  • 夜間基盤は続伸：新スナップショット a79a21e4——正確性 1064 項（+22）、ベンチマーク 1966 項（+19）、ゼロ失敗（詳細は 3.5）。

1. 中核プロジェクトの進展

1.1 メインリポジトリ：ROCm 二件——DeepSeek mHC 前/後カーネルと safe-gated KDA デコード例（10-13 ~ 10-14）

日付：2026-10-13、2026-10-14　情報源：DeepSeek mHC（#3156）／ KDA デコード例（#3249）

  • DeepSeek mHC 前/後カーネル（#3156、2 ファイル、+83/-6、10-14 未明にマージ）：mHC 前処理は CUDA 上で 96 スレッドブロック内の 32 スレッド境界で役割分担し、TF32 GEMM 入力を採用；CDNA 上ではこれがネイティブ 64 lane 波面を分割し、かつ TF32 は MFMA の入力型ではない。HIP パスは完全な目標サイズ波面上で分割ロールを実行するよう変更し、FP32 混合重みを共有メモリ上で BF16 に変換して MFMA 計算に供する；CUDA 側は元の 96 スレッド / TF32 レイアウトを維持し、さらに gfx942 の前/後カーネルの正確性カバレッジ（32 token 前処理、8 token 後処理などのケース）を補完。
  • safe-gated KDA デコード（#3249、+360/-0）：パック済みデコードカーネルを新規追加——畳み込み後のパック QKV と生のゲーティング入力（a、b、A_log、dt_bias）、FP32 状態プールとリクエスト別状態インデックスを消費；Q/K L2 正規化と delta-rule 再帰更新を実行し、指定状態スロットを in-place で書き換え [batch, 1, value_heads, value_dim] を出力；負の状態インデックスはゼロを出力し状態プールを変更しない。実装は次元でパラメータ化し、モデル名/アーキテクチャディスパッチを含まず、ドキュメントでは GLM-5.3-Flash TP8 の専用化構成を提示。

1.2 メインリポジトリ：昇騰コンパイル面二件——SimdVF マルチバッファ T.fill（#3455）と bisheng 一時ファイル削除（#3461）（10-13）

日付：2026-10-13　情報源：SimdVF T.fill（#3455）／ bisheng クリーンアップ（#3461）

  • #3455（+247/-31）：昇騰 SimdVF の LowerFill は元々バッファ全体の充填（各次元が 0 から始まり範囲がバッファ形状と等しい）のみをサポートしていた。マルチバッファパイプラインでは MaterializeMultiBuffer がバッファにバージョン次元を追加し（例えば [64] の論理バッファが [2, 64] の物理バッファになる）、ループ内の T.fill は現在のバージョンスロット [v:v+1, 0:64] のみを充填すればよいが、バッファ全体チェックに拒否されていた。本コミットでは処理対象を実際の充填領域に変更し、領域の起点と範囲に従って各 VReg データブロックの書き込みインデックスを計算し、定数範囲、連続性、VReg アラインメントをチェックし、コンパクトレイアウトと明示的 stride をサポートする。NPU テストを 3 例追加（1D / 2D / 二段階パイプラインのマルチバッファ）。
  • #3461（+2/-1）：bisheng wrapper が一時ディレクトリを作成する際に keep_for_debug を渡していなかったため、コンパイルされた AscendC ソースが常に削除されていた——一方 nvcc、hipcc、PTO wrapper はいずれも keep_for_debug=not env.should_cleanup_temp_files() を渡している。本コミットでこれに合わせ、TILELANG_CLEANUP_TEMP_FILES=0 が昇騰バックエンドでも同様に有効になるようにした。

1.3 メインリポジトリ審査中：SM120 mxf8f6f4 全ファミリー、Metal バッチと昇騰審査中クラスタ（10-13）

日付：2026-10-13　情報源：SM120 mxf8f6f4 ファミリー（#3099）／ SM120 MXFP8/MXFP4（#3495）／ Metal バッチ（#3194 から #3210）／ Ascend 独立 AIV（#3485）／ Windows MSVC（#3510）

  • SM120 ブロックスケーリング MMA の 2 本並行：kind::mxf8f6f4 全 f8f6f4 オペランドファミリー、サブバイト TMA producer と公式サンプル（#3099）ならびに SM120 MXFP8/MXFP4（#3495）がいずれも審査中で更新——10-10 の SM121 点灯に続き Blackwell ワークステーションのマトリクスを拡張中。
  • Metal バッチ（10 本）：段正規化アキュムレータ、simdgroup GEMM フラグメント、スカラー warp リダクション、BF16 ベクトル型、短定数ループ展開、torch バックエンドキャッシュとパラメータバインディングなど——Metal バックエンドは継続的な磨き込み期に入った。
  • 昇騰審査中クラスタ：独立 AIV 実行（#3485）、アクセス領域重複解析の repeat/stride サポート（#3506）、PTO 実行の PTO codegen 経由ルーティング（#3316）と DeepGEMM の PTO codegen（#3330）、VF スコープ外スカラー sqrt（#3466）、SimtVF remat_idx / ベクトル gather pack（#3492）、profiling ホスト-デバイス関連付け（#3321）など。
  • インフラと修正：CI に Windows MSVC を追加（#3510）、TMA-only producer は warp 0 のみ実行（#3503）、同梱 TVM の検出と DSL 宣言（#3508）、テストインフラの IR 走査キャッシュ（#3502）、fill / reduce 境界 3 本（#3499 から #3501）、codegen 共有 C 系発行（#3289）。メインリポジトリのオープン PR は計 161 本（前回 168 本）。

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：ドキュメントファクトチェック戦役 3 本マージ、11 本審査中；chunk と疎 MLA 移行バッチ開設（10-13）

日付：2026-10-13　情報源：round セマンティクス（#1612）／ bitwise_rshift（#1676）／ bitwise_xor（#1681）／ Chunk O Forward（#1866）／ sparse_mla_topk_reducesum（#1884）

  • ドキュメント事実確認キャンペーン：T.tile.* API を項目ごとに確認（docstring 書き直し + 実機テスト + API ドキュメント）し、調査期間内に 3 件がマージ——うち #1612 はドキュメントにとどまらない：PTO の round 低減を CAST_ROUND から CAST_RINT に変更し、.5 の中点値がゼロから遠ざかる方向への丸めを修正、ties-to-even セマンティクスに整合（17 件の実機テストと codegen アサーションを含む）；#1676 / #1681 は bitwise_rshift / bitwise_xor をカバー。ほかに同種の確認 11 件が審査中・更新中（axpy、clamp、clear、fill、bitwise_and/or/not/lshift、exp/ln 系、relu 系、sin/cos など）。
  • オペレータ移行バッチが始動：wch0810 の chunk 系移行——Chunk O Forward（#1866）、chunk_o_bwd（#1802）、Chunk Delta H（#1799）、Chunk Scaled Dot KKT（#1803）；疎 MLA 3 件——Sparse MLA SeeSaw（#1869）、Sparse MLA Forward Pipelined（#1870）、sparse_mla_topk_reducesum（#1884）；ほかに MHA サンプル（#1879）。
  • 品質とリグレッション：精度標準の展開 3 件——既存サンプルへの精度標準適用（#1882）、精度 harness と runner の修正（#1883）、低性能オペレータの examples_experiment への移動（#1881）；gemm_v0 は W4A4 int4xint4 GEMM の結果誤りを修正（#1731）。昇騰リポジトリのオープン PR は計 229 件（前回 228 件）。

2.2 MLIR 昇騰：NPUIR の明示的メモリとパイプライン制御をマージ（#190）；Cube メモリ割り当て API は審査中（#201）（10-13）

日付：2026-10-13　情報源：NPUIR 制御（#190）／ Cube メモリ API（#201）

  • #190 マージ（12 ファイル、+1092/-102）：TileLang に明示的メモリとパイプライン制御面を追加——符号付き pitch を持つ dual-line GM→UB コピーと連続 GM/L1 ND コピーをサポート；物理バッファビュー、型付き/リシェイプビュー、可変スカラーストア；GEMM L0 ping-pong イベントと MMAD / Fixpipe ユニットフラグを公開（明示的な同期要件を含む）；スカラーベクトルオペランドとランタイムサイズの T.vbrc 領域をサポート；能力ガード付きのアトミックモード組み込みを追加し、2 版の Fixpipe builder API と互換；Expert の符号付き floor 除算/剰余、符号なし算術、整数変換、遅延条件低減を修正。
  • #201 審査中：明示的 Cube メモリ割り当て API（HhpPCc007）。MLIR 昇騰リポジトリのオープン PR は計 32 件。

2.3 海光：レジスタパイプライン PR 更新、新ブランチと v0.1.15 アップグレードラインが併進（10-13）

日付：2026-10-13　情報源：レジスタパイプライン（#18）／ ブロックスケーリング GEMM レイアウトブランチ／ v0.1.15 アップグレードブランチ

  • レジスタパイプライン（#18）：登録ブランチ gcy_merge_main が引き続き更新中——調査期間内に「complex wait count の修正」、test_example_gemm_fp8.py の復元などのコミットを追加。本件は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）を導入し、4 ウェーブを超える場合の warp-diverge にも対応。依然としてレビュー中。
  • 新ブランチ開設：feat/hcu-gemm-blockscaled-async-copy-layout（10-13 午前に作成・プッシュ）——ブロックスケーリング GEMM と非同期コピーレイアウトの方向性を指向。
  • アップグレードライン：upgrade/upstream-v0.1.15 ブランチは調査期間内に 2 回プッシュされ、海光バックエンドと上流 v0.1.15 の整合を継続。海光リポジトリのオープン PR は計 1 件。

2.4 沐曦：main が上流 v0.1.15 ノードに追いつく；摩尔線程は静穏（10-13）

日付：2026-10-13　情報源：沐曦リポジトリ／ main ブランチ／ 摩尔線程リポジトリ

  • 沐曦：main ブランチは 10-13 午前にプッシュ更新、ブランチヘッドは上流 v0.1.15 バージョンノード（#3309）——ミラーラインが上流リリースに追いつく；dev ブランチ（メインワークラインへの適応）の最終プッシュは依然 09-24 で、調査期間内に新たな適応コミットはなし。沐曦リポジトリのオープン PR は計 16 件。
  • 摩尔線程：09-30 以降活動なし（最近のリリースブランチは静穏を維持）；Sunrise リポジトリも調査期間内に動きなし。

3. エコシステムと採用 side

3.1 TileOPs：MoE 二重オペレータが確定——masked FP8 グループ GEMM と DeepSeek グループ top-k（10-13）

日付：2026-10-13　情報源：masked FP8 グループ GEMM（#2521）／ DeepSeek グループ top-k（#2535）／ MoE MMA 化リファクタリング（#2551）

  • masked FP8 グループ GEMM（#2521、20 ファイル、+1788/-37、#2388 をクローズ）：MoEGroupedGemmFP8FwdOp が spec から着地——FP8 e4m3 グループ GEMM、1x128 / 128x128 ブロックスケール、bf16 出力、セマンティクスは deep_gemm の masked 変体に整合；マニフェストは masked レイアウトに絞り込み済みとマーク、14 行の負載：E=8 の 2 行に EP=8 デコード 12 行を加算（DeepSeek-V3、Qwen3-235B-A22B、Kimi-K2、batch 64 / 256）。新たに moe.masked_routed_metadata ジェネレータがエキスパート不均衡を模擬（DeepSeek-V3 b64 空 4/32、Kimi-K2 b64 空 13/48）；sm90 カーネルは TMA producer warp + 2 つの WGMMA consumer warpgroup の永続グリッドで、タイル走査はデバイス側で行数を読み、空タイルは CTA を占有せず、各重みタイルは HBM から一度だけ読み込まれる。
  • DeepSeek グループ top-k（#2535、15 ファイル、+1193/-69、#2268 をクローズ）：FusedTopKFwdOp が num_expert_group、topk_group、routed_scaling_factor を補完（vLLM grouped_topk セマンティクス）、FusedMoEFwdOp / 共有エキスパートパスも同期；T=512 時にデフォルト TOKENS_PER_BLOCK が 32 ブロックを 32/132 の SM 上に配置するスケジューリング問題を修正；ドキュメントで fast-math の境界を明示。
  • MoE 収尾リファクタリング（#2551、+20/-30）：コンパクトな行単位レイアウトは MoEGroupedGemmMMAKernel が直接処理するよう変更（そのプログラムはソート済み行 id を二分探索してグループ末尾を探す）、専用 TightRow カーネルと dispatch キーを削除——レイアウトカバレッジは SM80 / SM86 に拡大。

3.2 TileOPs：SM89 四件クローズ——GLA / DeltaNet 逆方向と KDA プレフィル、加えて GQA 修正件（10-13）

日付：2026-10-13　出典：GLA 逆方向（#2546）／ DeltaNet 逆方向（#2547）／ KDA プリフィル（#2548）／ コンパクト行単位 GEMM（#2549）／ GQA 修正（#2550）

  • GLA 逆方向（#2546、+36/-27）：ブロック間 key 勾配計算を query 勾配の前に繰り上げ、簡素化プログラムが h をロードする前に dh を使い切るようにした——chunk 32、K=V=128 のデフォルト共有メモリが 114688 から 81920 バイトに減少し、SM89 の 101376 上限内に収まる；FP16/BF16 テストケースを追加。
  • DeltaNet 逆方向（#2547、+166/-113）：chunk 64、K=V=128 の 3 段プログラムが 90112 / 98304 / 98816 バイト内に収まる；明示的状態バッファビューにより、レビュアーが報告した 147968 バイトの w/u 割り当てを 98816 に削減；オペランドの寿命を短縮し、key と逆行列は最後の消費者以降に状態ストレージを再利用。
  • KDA 融合プリフィル（#2548、+186/-63）：SM89 で KDA 融合プリフィルを有効化——128 次元入力のコンパクト共有メモリディスパッチにより、256 スレッド割り当てが 182528 から 101120 バイトに減少；シーケンス/ヘッドブロック数が SM 数に達した場合のみ融合パスを選択；公開 FP16/BF16 数値テストケースを 4 つ新規追加し、陳腐化した 2048 シーケンス拒否アサーションを数値チェックに置換。
  • コンパクト行単位グループ GEMM（#2549、+45/-11）：SM89 でソート済みエキスパート id によるセグメント末尾のコンパクトグループ GEMM をサポートし、既存の MMA プログラムを再利用（空エキスパートと部分タイルを含む）。
  • GQA 修正（#2550、18 ファイル、+341/-173）：dense GQA デコードの split log-sum-exp を FP32 累算に変更——bf16 は 64 から 128 の区間で 0.5 刻み、大きなスコアでは split 混合の偏差が最大 0.23；autotune は forward で実際に起動されるプログラムの計測に変更（fused RoPE パスを含む）、候補選択の基準を修正。

3.3 TileOPs：foundry パフォーマンスバッチ 8 件マージ、8 件新規オープン——プーリング / 正規化 / リダクションを展開（10-13 ~ 10-14）

日付：2026-10-13、2026-10-14　出典：FP8 タイル（#2533）／ 短緊グループ（#2536）／ W4A16（#2545）／ ワイド dense タイル（#2552）／ coop2 ストレージ（#2566）／ foundry 承認待ち（#2570 から #2579）

  • GEMM（4 件）：#2533 は FP8 GEMM タイルを再配列し、1x128 B スケールをウェーブカーネルに配置（block128 ウェーブカーネルを gemm_fp8_block128_wave に改名）。#2536 はコンパクトな非融合グループ付きコールでハーフワイドタイルを選んで SM を埋める（69 個の記述子のうち 3 個が選択を変更、いずれもより高速）。#2545 W4A16 はタイルと K スライスを統合スコアリング（qwen3-32b-prefill-down 78.69 マイクロ秒対 88.83、1.129x）。#2552 はワイド dense タイルが新ヘルパー経由で単一の WGMMA で 176/192 幅を発行、新しい ping-pong カーネルが小 M 時に再選択（新たに vit-l16-in21k-head 負荷を追加）。

  • Elementwise とストレージ：#2557 GELU の erf チェーンを 5 命令短縮（llama-8b-ffn-decode 1.280 マイクロ秒対 1.440、1.125x）。#2565 SiluAndMul の 16 ビットゲートで高速除算を使用（qwen3-8b-swiglu-b32 1.074x、torch-compile 比 1.015x、0.945x からプラスに転換）。#2566 は TMA が出力をアドレス指定できない N が 8 の倍数でないケースで行単位・warp 単位にストア（vit-l16-in21k-head 294.7 マイクロ秒から 23.2 マイクロ秒へ、12.7x、cublaslt-best 比 7.5x より高速）。

  • RoPE（#2567）：16 バイトの L2 evict-last ロードを新規追加、2D neox RoPE はスレッドごとに 1 ベクトルを回転、1D インタリーブ単一テーブル読みを整流化（neox-2d-2k 1.022x torch-compile、0.983x から）。

  • 新規 8 件（10-13 夜 ~ 10-14 未明、いずれも審査中）：softmax 行をレジスタに常駐させ evict-last（#2570）、CTA warp 間スキャンでグループタイルカウント（#2571）、MaxPool1dIndices（#2572）、AvgPool3d（#2573）、RMSNorm を幅ごとに行分割（#2576）、SiluAndMul evict-last（#2577）、any/all のビットごとテスト（#2578）、MaxPool3dIndices（#2579）——プーリング / 正規化 / リダクションの総力戦が展開。

3.4 TileFoundry：Qwen3.8-27B プレフィル例をマージ——初の全長で SGLang を超えた例（10-13）

日付：2026-10-13　情報源：Qwen3.8-27B プレフィル（#229）／ scaffold マージ（#227）

  • #229（89 ファイル、+38069）：examples/qwen3_8_27b_prefill-tilelang/ を新規追加——64 層 gated-delta-net / attention 混合のテキストプレフィルで、1024 / 4096 / 8192 の 3 つの長さすべてで SGLang より高速。この負荷は H200 の変曲点を 36 倍超え（8192 ではスコアリングが FLOP のわずか 3.1%、残りは GEMM）、FLOP 制約型で節約できるフローがなく、例では analyze --roofline を意思決定の入力としている。SGLang ベースラインは人手で与えられ（その 2 列の口径は 8192 で 9.1% 異なり、例はどの列を取るかの論証を要する）。これまでの例はすべてデコードで SGLang の端数にしか届かなかったが、本件は初の全長で超越した例。

  • #227（47 ファイル、+1356/-368）：tilefoundry scaffold SOURCE OUT_DIR をマージ——Target codegen に従い編集可能な独立 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、ホスト登録とプレースホルダ CUDA ボディ）を生成し、codegen 成果物とリンクを 6 つのモジュールファイルに分割。

3.5 夜間パイプライン：新スナップショット a79a21e4——正確性 1064 項（+22）、ベンチマーク 1966 項（+19）でゼロ失敗（10-14）

日付：2026-10-14　情報源：夜間スナップショット（a79a21e4）／ スナップショットメタデータ

  • 新規スナップショット a79a21e4（run 38443260386、10-14 04:18）：正当性 1064 項（62 スイート、前回比 +22、0 失敗 0 エラー 1 スキップ）、ベンチマーク 1966 項（53 スイート、+19、0 失敗）；環境 H200、CUDA 13.2、ドライバー 595.71.05、イメージ cu132-torch2.13-tl-0.1.12、スナップショット内 tileops 0.0.1.dev1314+ga79a21e40（前回比 +18 開発番号）、tilelang 0.1.12、torch 2.13.0+cu132 / triton 3.7.1 / vllm 0.27.1。
  • 正当性の増分は調査期間内の MoE、SM89、foundry の 3 本のマージラインと同時拍——「1 件マージ、ベースが一段上昇」というローリングリズムが継続。

3.6 採用元とドキュメント：TileKernels / FlashQLA / TileRT は静穏；TileOPs ドキュメントサイトデプロイ（10-13）

日付：2026-10-13　情報源：TileOPs ドキュメントサイト／ TileKernels／ FlashQLA

  • 採用元：TileKernels（DeepSeek）、FlashQLA（Qwen）はいずれも調査期間内のプッシュなし（09-30 以降静穏）；TileRT は調査期間内の動きなし。
  • ドキュメントサイト：TileOPs サイトは gh-pages デプロイ 1 回（10-13 午前、MkDocs 1.6.1）；メインドキュメントサイトは調査期間内に新規ビルドなし。

4. コミュニティ、チュートリアルとイベント

4.1 PTO-ISA：SuperNPUBench が ops-20261013.2 と CUBE 直結などのコミットをリリース（10-13）

日付：2026-10-13　情報源：SuperNPUBench／ ops-20261013.2 リリース

  • 新規リリース ops-20261013.2（
    solution/quant/dynamic_mx_quant を含む）；調査期間内のコミット：matmul_test が GM 往復を CUBE TCVT 直結に置換（#234）、topk のポータブル gfsim fixture と RES_CHECK ELF リリース（#233 / #236 マージ）、rms_norm tree_32k カーネルをアーカイブ（#216）、dynamic_mx_quant が one-level ビルドに接続。

4.2 コミュニティアカウント：easy-tilelang チュートリアルリポジトリ更新；SwHwCodesign 公開リポジトリは静穏（10-13）

日付：2026-10-13　情報源：easy-tilelang チュートリアルリポジトリ／ SwHwCodesign／ tilelang-debugger

  • easy-tilelang/tilelang-tutorials（サードパーティ中国語チュートリアルリポジトリ）は調査期間内に「adapt tilelang new ascend」をプッシュ——チュートリアルには Ascend A5 の lower-trace コンパイル観察などの項目が含まれ、新版昇騰バックエンドに適応。
  • SwHwCodesign アカウントの公開リポジトリは現在 2 個（AI-Compiler、AI-Infra）、いずれも調査期間内のプッシュなし；10-12 に記録されたプレースホルダーリポジトリの波は継続せず。tilelang-debugger は更新なし（10-10 以降）。

4.3 メディアと学術：Google News / HN / arXiv は調査期間内で新規ゼロ（10-13）

日付：2026-10-13　情報源：Google News／ Hacker News 検索／ arXiv 検索

  • 中国語・英語の複数クエリ（昇騰 / 沐曦 / 海光 / 摩尔線程の組み合わせ語を含む）で調査期間内の新規ヒットはゼロ；過去のヒット（10-07 から 10-10 の集約記事と解説）はいずれも既刊に収録済み。
  • Hacker News は 96 時間でゼロ項目；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 MoE：ペア分割からペア確定へ

  • 調査期間内に MoE 面で 2 件を連続して受領：masked FP8 グループ GEMM（deep_gemm masked セマンティクスに整合）と DeepSeek グループ top-k（vLLM grouped_topk に整合）が同日に合入され、加えてコンパクトな行単位レイアウトが統一して MMA カーネルに取り込まれた——TileOPs の MoE カバレッジは「オペレータを個別に補う」段階から「モデルレシピ単位で収束させる」段階へ移行し、DeepSeek-V3 / Qwen3-235B / Kimi-K2 の負荷がバッチで登録された。審査側では同テーマ（gpt-oss swigluoai エキスパート、permute-align、エキスパート検索スキップ）が継続的に厚みを増しており、MoE は現在の TileOPs で最も優先度の高い方向である。

5.2 foundry 性能バッチが日次更新リズムに突入

  • 1 日に foundry 性能の合入 8 件と新規起票 8 件：GEMM（タイル再配置、統合選択、単一 WGMMA）に続き、プーリング、正規化、リダクション、RoPE が全面的に展開され、しかも各件に対照ベンチマーク（torch-compile / cuBLASLt / quack）が付属している。単独作者の日次更新リズムが示すのは：TileOps の性能エンジニアリングは「重点オペレータへの攻堅」から「全オペレータの日次ランキング更新」へ移行し、残存する遅れ（MoE 四行、一部 16 ビット除算行）が逐次記録されていることである。

5.3 ROCm：DeepSeek 新アーキテクチャカーネルの第三条収束ライン

  • NSA フォワード/デコードと flash-decoding タイル（10-12 ~ 10-13）に続き、本調査期間では mHC 前/後カーネルと KDA デコード例をさらに受領——ROCm ラインは連続 3 日目の合入となり、テーマは DeepSeek 系新アーキテクチャ（NSA、mHC）と GLM-5.3 推論に高度に集中している。技術的負債（CDNA 波面サイズ、MFMA 入力タイプ、LDS/VGPR 予算）を逐次返済する方式は：ROCm サポートが「動作させる」段階から「新アーキテクチャリリースと同期する」段階へ移行しつつあることを示している。

5.4 審査待ちキューが引き続き厚みを増し、リリース静默期の基盤が成長

  • 単一調査期間でマージ 28 件、新規起票 42 件、審査待ち更新 79 件：メインリポジトリのオープン PR 161 件（前回 168）、TileOPs 26 件（前回 19）、昇騰リポジトリ 229 件——メインリポジトリはスリム化、TileOPs は厚みを増加。正式リリースは引き続き静默（メインリポジトリ最新 v0.1.15、09-30；TileFoundry v0.0.2）だが、夜間基盤の正確性 +22、ベンチマーク +19 の上昇は持続：合入、評価、サンプルの三ラインが次のリリースウィンドウに向けて静的な準備を蓄積している。

付：素材と検証説明

情報源 確認結果
tile-ai 組織（29 リポジトリ） 調査期間内に 10 リポジトリでプッシュあり：tilelang（マージ 4、審査中更新 29、新規 9）、TileOPs（マージ 18、審査中更新 22、新規 25）、TileFoundry（マージ 2、新規 1）、tilelang-ascend（マージ 3、審査中更新 25、新規 5）、tilelang-hygon（3 ブランチにプッシュ）、tilelang-metax（main 同期）、tilelang-mlir-ascend（マージ 1、審査中 1、新規 1）、TileSight（dev ブランチの作成とブランチへのプッシュ）、TileOPs-nightly（スナップショット 1 件）、TileOPs.github.io（デプロイ 1 回）；組織全体では調査期間内に合計マージ 28 件、新規 42 件、審査中更新 79 件
メインリポジトリ tilelang マージ 4 件（#3156、#3249、#3455、#3461）；オープン PR は計 161 件（前回 168）；リリースページは調査期間内に新規なし（最新 v0.1.15、09-30）
昇騰リポジトリ（ascend / mlir-ascend） ascend：マージ 3 件（#1612、#1676、#1681）；オープン PR は計 229 件（前回 228）。mlir-ascend：マージ 1 件（#190）；オープン PR は計 32 件。デフォルトブランチは ascendc_pto（main ではない）、ブランチ単位の確認を実施済み
海光 / 沐曦 / 摩尔線程 海光：3 ブランチにプッシュ（gcy_merge_main、feat/hcu-gemm-blockscaled-async-copy-layout〔新規ブランチ〕、upgrade/upstream-v0.1.15）に加えブランチ作成 1 回；#18 は審査中。沐曦：main を上流 v0.1.15 ノードへプッシュ（#3309）；dev は新規コミットなし。摩尔線程（09-30 以降）と Sunrise（10-12 以降）は活動なし
TileOPs マージ 18 件（#2521、#2533、#2535、#2536、#2542、#2545、#2546 から #2552、#2555、#2557、#2565 から #2567）；オープン PR は計 26 件（前回 19 件）
TileOPs-nightly 新スナップショット a79a21e4（10-14 04:18）：正確性 1064 項（62 スイート、+22）、ベンチマーク 1966 項（53 スイート、+19）、失敗ゼロエラーゼロ
TileFoundry マージ 2 件（#229、#227）；オープン PR は計 1 件；リリースページに新規なし（最新 v0.0.2、09-10）
TileSight 10-13 に dev ブランチを作成しブランチ単位のプッシュが発生（リポジトリは 10-14 00:16 に pushed）；公開ブランチには main と tilelang（後者には TileLang フロントエンドのコミットを含む）を含む；リリース内容なし
採用元とコミュニティ TileKernels、FlashQLA は調査期間内にプッシュなし（いずれも 09-30）；TileRT は動きなし；tilelang-debugger は更新なし（10-10 以降）；easy-tilelang チュートリアルリポジトリは更新 1 件；SwHwCodesign 公開リポジトリは 2 件、調査期間内にプッシュなし
PTO-ISA 組織 SuperNPUBench：ops-20261013.2 をリリース；調査期間内に 8 コミット（うちマージ 2 回）——CUBE TCVT 直結、topk fixture と ELF、rms_norm アーカイブ、dmxq ビルド接続
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 は新規プレプリントなし

完全な情報源リスト

ile-ai/tilelang-ascend/pull/1802>

グループ充填 SM（#2536） — https://github.com/tile-ai/TileOPs/pull/2536