レポート期間：2026年10月12日（月）から10月16日（金）まで、計5営業日、5期分のデイリーレポート素材 素材情報源：本誌のTileLang動向デイリーレポート5期分（10-12、10-13、10-14、10-15、10-16）。さらにtile-ai組織29リポジトリの168時間ウィンドウでの補充調査、夜間パイプライン6スナップショットのテスト結果の逐一再計算、および各リポジトリのリリースメタデータの再確認による（詳細は付録を参照）

1. 今週の要聞

  • メインリポジトリのROCmラインが4日連続で収束、DeepSeek新アーキテクチャカーネルが第3の収束ラインに（10-13 ~ 10-14）：10-13にDeepSeek NSAのフォワード/単一トークンデコードの64 lane単一波実装（#3152、+111/-2）とflash-decodingのLDS/VGPR予算適応型タイル（#3149、+82/-5）をマージ；10-14未明にさらにmHC（多様体制約付きハイパーコネクション）の前処理/後処理カーネル（#3156、2ファイル +83/-6、HIP側は完全な64 lane波面での分担に変更し、FP32混合重みをBF16に変換してMFMAに供給）とsafe-gated KDAデコード例（#3249、+360、GLM-5.3-Flash TP8専用化設定を含む）をマージ；10-14にはさらにcumsum/cummaxの64 laneセグメント幅修正（#2326）を実施。4件はいずれも「デバイスの現実に応じた適応」を指向：gfx942の波面サイズ、MFMA入力型、LDS/VGPR予算を項目ごとに清算し、ROCmサポートは「動作する」段階から「新アーキテクチャのリリースと同期する」段階へ移行。

  • 昇騰PTOが「独立ターゲット」から「一等実行パス」へ昇格、NSAの二重移行とロールバック規律が同週に発生（10-12 ~ 10-15）：10-15に実行ルーティング #3316をマージ——target="ascend"とexecution_backend="pto"の組み合わせは実行感知型のターゲット正規化を経てCodeGenTileLangPTOに直結し、autoパスはAscendC + TVM-FFIを維持；前置となる例のターゲット選択 #3474（10-14マージ、ハードコードされたtarget="ascend"を削除、CIはascend / ptoの両ターゲットで各1回ずつ実行）と、本ウィンドウで審査中のtvm_ffiバックエンド、VMIベクトル化、SS buffer、部分L0コピーpitchなど7件がファミリーを構成。同週10-12には、昇騰NSA Decode（#1701、+755、28件の階層テスト）とNSA Bwd（#1730、+1593、20件）をマージ；10-14には3件の「ドキュメントファクトチェック」PR（#1612、#1676、#1681）が、低優先度の想定失敗テストケースの異常な正規表現不一致により一括ロールバックされ（#1888から#1890）、bitwise_rshiftは再作成版 #1893で想定失敗アサーションを削減した上で再提出；10-15にはdav-3510上のgemm_v0のサイレント数値エラー修正（#1900）を起票し、--npu-archが無条件にdav-2201を取得することでA5カーネルが誤ったアーキテクチャを狙う問題を露呈。

  • TileOPs は1週間で52件のマージ：Op基底クラス再構築が確定、MoEデュアルオペレータが決定、SM89が第2プラットフォームに（10-12 ~ 10-16）：10-11にマージされたOp基底クラス再構築（#2520、363ファイル、+3362/-5227、自称「リリース前」の収束）により、コンパイル境界を持つオペレータと持たないオペレータを一律に_run_call経由で実行するよう統一し、select_kernel_key/select_implementationをkey_forに統合し、コンパイル境界をマニフェストから導出するよう変更、ドキュメントサイトは翌日に《Op基底クラスガイド》を追記；10-13にはMoEデュアルオペレータが同日決定——masked FP8グループGEMM（#2521、20ファイル +1788/-37、deep_gemmのmaskedセマンティクスに整合）とDeepSeekグループtop-k（#2535、15ファイル +1193/-69、vLLMのgrouped_topkに整合し、T=512時の32/132 SMのスケジューリング問題を修正）；SM89は10-12からバッチで収束（GQAプリフィル/デコード、GDN / DeltaNetプリフィル、GLA / DeltaNet逆伝播、KDAプリフィル、Norm全譜）、RTX 40シリーズとL40 / 6000 Adaクラスのワークステーションがオペレータライブラリ側でHopperと並列に。

  • 夜間基盤の6スナップショット：正確性 1032 → 1134（+102）、ベンチマーク 1947 → 1989（+42）、全行程ゼロ失敗（10-12 ~ 10-16）：今週の6スナップショットで正確性テストケースは1032件から1134件に、ベンチマークは1947件（52スイート）から1989件（55スイート）に増加、6件すべてがゼロ失敗・ゼロエラー、各1件スキップ。1日あたりの最大増加は10-15（+41、TileOPsの16件マージと同時期）；10-16には2回のスナップショット（未明と夜間各1回）が発生し、今週初の1日2スナップショットとなった。評価環境はH200、CUDA 13.2、torch 2.13.0+cu132、tilelang 0.1.12（詳細は第4章の表を参照）。

  • マルチバックエンドの同一バージョン収束：海光 v0.1.15アップグレードが完了し分散IPCラインを開設、沐曦は上流に追従、摩尔線程は全週沈黙（10-13 ~ 10-16）：海光は10-14にv0.1.15全量アップグレードをマージ（#20、HCUバックエンドを保持しつつブロックスケーリングGEMMのscaleバッファレイアウト計画を追加）し、v0.1.15-releaseブランチを建立、同日に#19（+2577/-28、44ファイル）でDistributedラインを開設（統一プロセスランチャー、IPC allreduceテスト、IPC GEMM allreduceサンプルなど）；10-15に#21でブロックスケーリング非同期コピーレイアウトを当日開設・当日マージでv0.1.12-releaseメンテナンスラインへ；10-16にさらに#22（K-majorパッキングscaleコピーとネイティブFP32 MLS GEMM）をマージ。沐曦は10-13にmainを上流v0.1.15ノードへプッシュ（ミラー #3309）、10-16にdevラインが上流mainをマージしxfailテストケースを1件修正。摩尔線程は09-30以降全週活動がなく、4社中唯一v0.1.15に未整合のバックエンド。

  • TileFoundry は週に10件のマージを実施：スパースデコードが TIR を貫通、Qwen3.8-27B プリフィルが初めて全長で SGLang を上回り、コアリファクタリングと外部監査が同時進行（10-12 ~ 10-16）：10-12 にスパースデコードが TIR を貫通する #223 をマージ（84 ファイル、+4424/-1543、失われたループ作業量、過大なルックアップ課金、段階的更新の誤りを修正）；10-13 に Qwen3.8-27B プリフィル例 #229 をマージ（89 ファイル、+38069）、同リポジトリで初めて 1024 / 4096 / 8192 の3つの長さすべてで SGLang より高速な例となった（8192 時点でスコアリングは FLOP の 3.1% のみ、負荷は H200 の変曲点を 36 倍超過）；10-15 に同じ調査期間でインスタンススロットのリファクタリング（#232、ソース全体で 1674 件通過）と lowering / printer 契約（#233）を実施；10-16 に analysis アクセスコンテキスト（#238）と issue 237 の割り当て/lowering 修正（#241）を追加。リファクタリングが完了した同じ期間に、サードパーティのスキルリポジトリがすでに TileFoundry をワークフローに vendor し、4 件の emitter バグと 2 件のランタイムバグを列挙した——外部監査フェーズに突入。

  • 採用側で初のバージョン反復が出現：TileKernels v2.1.0 は昇騰側をリライト、FlashQLA は Blackwell sm120 を修正（10-14）：DeepSeek TileKernels v2.1.0（16 ファイル、+352/-382）は同リポジトリが 09-30 に昇騰サポートを追加した後の初のバージョン反復であり、変更は昇騰側に集中（norm_forward_asc の大幅リライト、SwiGLU の順伝播・逆伝播、Engram ゲーティング）。README では TileLang 0.1.15、PyTorch 2.13、Ascend 950 NPU と CANN 9.2.0 へのアップグレードを要求；Qwen FlashQLA #48（5 ファイル、+82/-5）は 0.1.13 以降 Blackwell sm120 の順伝播/逆伝播が使用不可となっていた問題（block_DV が誤って 128 に変更され、aggregate_card_state が欠落）を修正、RTX 5090 + tilelang 0.1.15 + CUDA 13.0 で全テスト通過。

  • ハードウェアマトリクスが同週に拡大：SM121 が点灯、SM120 ブロックスケーリングの2路線が審査中、D=256 デコードが SM80/SM90 に拡大、CPU OpenMP グリッド並列が実装（10-12 ~ 10-15）：SM121（GB10 / DGX Spark）のブロックスケーリング MMA が 10-11 に点灯（#3430、DGX Spark ドライバー 580.178.04 / CUDA 13.0 で実測）、以前は sm_121a 下で全てのブロックスケーリング MMA が BPT.TRAP にコンパイルされていた；SM120 側の MXFP8/MXFP4（#3495）と mxf8f6f4 全オペランドファミリー（#3099）は全週審査中。コンシューマー・ワークステーション側では、D=256 FP16/BF16 稠密デコードが SM89 から SM80/SM90 に拡大（#2563、Gemma-2B 8K cache 負荷を添付、同時に稠密 RoPE split が softcap を無視する問題を修正）；メインリポジトリは 10-14 に CPU バックエンドのグリッドレベル OpenMP 並列（#3109）と Windows NVCC を cl.exe 経由に変更（#3510）をマージ。

2. コアプロジェクトの進展（メインリポジトリ tilelang）

バージョンとリリース

  • メインリポジトリの最新タグとリリースは引き続き v0.1.15（09-30 リリース）で、週全体を通じて新しいタグもリリースページの新規エントリもなく、今週金曜時点で既に16日が経過している。リリースページの直近3件は順に v0.1.15（09-30）、v0.1.14（09-02）、v0.1.13（08-03）であり、これまでの月次ペースは今週崩れた。
  • 適応ラインのタグは週全体を通じて動きなし：昇騰 v0.1.2.000、MLIR 昇騰 v0.1.2.020.sglang.poc、沐曦 v0.1.14（10-13 は main イメージを v0.1.15 ノードへ同期したのみで、新規タグは未付与）、摩尔線程 v0.1.14+musa.1；海光は v0.1.15 メインラインに v0.1.12-release メンテナンスラインを加えた二ライン並行体制。
  • リリースの静寂ぶりと対照的なのは下流側の制約引き上げである：TileKernels v2.1.0 は TileLang 0.1.15 以降を明確に要求し、FlashQLA の sm120 修正も 0.1.15 上で検証済み——今週以降、「0.1.15 ベースライン」が採用側にとって事実上の最低要件となった。

コンパイラ、実行パスと言語層

  • PTO 実行ルーティング（#3316、10-15 マージ）：実行感知型のターゲット正規化フック（BackendContext の生成箇所に設置）を新設。Ascend 専用ノーマライザは解析前にネイティブ Ascend ターゲットを PTO ターゲット変種へ特化し、arch などの属性を保持する。デバイスコード生成は PTO_CODEGEN と target.build.tilelang_pto_without_compile に切り替え。ドキュメントには TILELANG_DEFAULT_TARGET=ascend に TILELANG_EXECUTION_BACKEND=pto を加えた等価構成を示す。テストはコンテキスト解析、ターゲット属性の保持、キャッシュディスパッチ、環境変数による選択をカバーする。
  • PTO DeepGEMM codegen（#3330、10-14 マージ）：制御フローをまたいで tl.ascend_set_mmad_direction を追跡し、有効な方向を MAD 命令にエンコード、競合する方向下で到達可能な MAD を拒否する。SIMD 後のインクリメンタルロード、混在 AIC/AIV カーネルの UB アドレスから PTODSL ポインタへの変換、動的な L0C→UB 次元とストライド、int16 符号付きパッキング MX scale をサポート。自己申告では DeepGEMM PTO の 15 ケース中 14 ケースがパスし、test_bf16_m_grouped_padding は依然として PTOAS VPTO バックエンドが FP32→BF16 変換を合法化できない問題でブロックされている。
  • 独立 AIV 実行（#3485、10-14 マージ）：Ascend AutoSchedule を拡張し、AIV0 と AIV1 が sid 依存の下で異なる作業（交互の終了処理、逆量子化と終了処理の分担、互いに素な入力パーティション、ループ内のロール切り替え）を実行できるようにする。AssignCore をレイテンシ見積もりとスケジューリングの前に前倒しし、AIV ローカル UB バッファとスカラー状態に独立したアイデンティティを確立する。
  • C 系 codegen 共有基底クラス（#3289、10-14 マージ）：CodeGenTileLangCBase が CUDA、HIP、CPU C、Ascend C++、Metal、C ホストコード生成を統一。T.import_source、T.Kernel(prelude=...)、pragma_import_c において、ソーステキストが末尾改行を欠く場合やバックスラッシュで終わる場合に次の生成行を飲み込んでしまう問題を修正。検証：焦点回帰 83 パス、codegen と launch スイート 405 パス。
  • CPU グリッド並列（#3109、10-14 マージ）：アノテーション付き CPU grid ループを OpenMP 並列ループに変換する MaterializeCPUParallelGrid を新設。ループ collapse、スレッド数設定、最小 trip 数しきい値、割り当ての降下を併せて実装し、Linux / macOS / Windows のコンパイルフラグを整備——CPU バックエンドが初めてグリッドレベルの並列性を備えた。
  • Host IR ラインは全週レビュー中：CUDA と CuTeDSL の実行パスを統一する #3473 と、Host IR JIT 直結にネイティブキャッシュを加えた #3481 は 10-10 の起票以降マージが見られず、依然としてメインリポジトリ最大のレビュー中方向性である。
  • PTO ファミリー 7 件（10-15 からレビュー中）：tvm_ffi 実行バックエンド（#3516）、T.Parallel から PTO VMI へのベクトル化（#3512）、SS buffer（#3514）、一部 L0 コピーの明示的 pitch（#3511）、NZ バッファの UB→L1 部分コピー（#3530）、PTO Ramp 値を型ごとにベクトル発行（#3535）、SIMT VF 内ベクトルローカルアクセスの修正（#3523）。うち SS buffer は 10-16 午前にマージ（#3514、デイリーレポートの締め切り後に補足調査で確認）。

正確性と不具合修正

  • 10-12（週末ウィンドウの締めくくり）：GEMM dtype ホワイトリスト（#3245、非対応の組み合わせを CUDA codegen の前に拒否、欠陥票 #3004）、For ループのステップ幅（#3427）、JIT 出力インデックス正規化の汚染（#3318）、popcount の狭い整数への下沉（#3300、int8(-1) は 8 ビットと計数）、ビットリダクションで浮動小数点ソースを許可（#3332）、CuTeDSL フェンス選出（#3400、2D/3D スレッドブロック下で複数スレッドが到達を重複発行）、NVRTC / CuTeDSL パラメータ同一性（#3414）。
  • 10-13：thread_storage_sync の正確なスレッド境界（#3291、4 ファイル +292/-96、#2954 を修正）；昇騰 PTODSL リダクションヘルパーの vendor（#3469、+555/-115）で CANN Weekly 下の ModuleNotFoundError を修正。
  • 10-14：SimdVF マルチバッファ T.fill（#3455、マルチバッファ版次元によりバッファ全体填充チェックが拒否）、bisheng 一時ファイルクリーンアップスイッチ（#3461）、クロス warp allreduce のグループ誤送信（#3494）。
  • 10-15：JIT がハッシュ不可のコンパイル時パラメータを拒否（#3417、可変デフォルト値による陳旧カーネルの暗黙再利用を防止、91 通過）、テストコンパイル時間の除去（#3517）、ガバナンス設定（#3513、CodeRabbit 自動ラベル）。
  • 10-16（デイリーレポートの締め切り後、補足核查により確認済みを含む）：Ascend SS buffer（#3514）、SimdVF dim=1 リダクションの行ごと単一要素ストア（#3437）、昇騰 RNG のクロスカーネル状態リセット（#3331）、兄弟パイプラインの共有バッファ二重拡張防止（#2342）、TMA-only プロデューサの warp 0 限定（#3503）。
  • 10-16 未明に新規起票・レビュー待ち：warp 特化下における cumsum 共有バッファの修正（#3536）——コンシューマスレッドが 128 から採番される一方でスキャンテンプレートが区間下限を受け取らず、CumSum1D / CumSum2D がコンシューマスレッド上で早期リターンし、バッファが未書き込みのままになる；修正後 #3528 の再現用例は 131072 項目すべて正解（main では 129019 項目が誤り）。ほかに profiler L2 読み取り専用フラッシュ（#3534）と共有スキャンスレッド数診断（#3532）。

パフォーマンスとハードウェアマトリクス

  • SM121（GB10 / DGX Spark）：#3430 により、tl::sm120_mma_sync_blockscaled が arch とファミリーに応じて SM120 / SM121 を同時に受け入れるようになり、NVF4 テストは SM12x ファミリーでゲートされ、CuTeDSL TMA アーキテクチャテーブルは sm_121 / sm_121a を許可する。
  • SM120 ブロックスケーリング：MXFP8（kind::mxf8f6f4、1X、UE8M0）と MXFP4（mxf4nvf4、2X、UE8M0）の拡張（#3495、+884/-51、FP32 累積、K 要素 32 個ごとに 1 スケール）と全 f8f6f4 オペランドファミリー（#3099）が引き続き審査中。
  • ROCm：要聞の 4 件以外に、10-15 の scan 波面修正（#2326）により cumsum / cummax がターゲット波面幅に応じてセグメント幅を選択するようになり、32 スレッドブロックはコンパイル時に 64 lane テンプレートから除外される。B300 上の CUDA scan スイートは 17 件通過。
  • SM89 バッチ性能ポリシー：MLA デコードはバッチとヘッドブロック数に応じて 2/4/8/16 の KV 分割を選択（#2511：単一リクエスト bf16 4k 0.158→0.034 ms 約 4.6 倍、32k 1.170→0.162 ms 約 7.2 倍）、KDA プリフィルは 16 列値タイルで分割（#2510：4k/32k/64k で 22.9%/19.8%/18.5% 削減）、スキャン widening（#2574：4096~16384 token を 8 値ヘッドから 16 値ヘッドに拡張、19 行で 2.5%~19.7% 高速化）。
  • Windows / Metal：Windows NVCC は MSVC 経由に変更（#3510、CUDA 13.3 で再現ケースを修正）；Metal バッチ 10 件（#3194 から #3210）が審査中で、セグメント正規化アキュムレータ、simdgroup GEMM フラグメント、BF16 ベクトル型、短定数ループ展開などをカバー。

レビューキューの観察

  • メインリポジトリのオープン PR：170（10-12）→ 168（10-13）→ 161（10-14）→ 160（10-15）→ 165（10-16）、週内は 160 から 170 の範囲で振動；組織全体のオープン PR 合計は 498（10-12）から 507（10-13）に上昇し、本周作成時点では 532 件。
  • 組織全体のマージと生産：本周の PR マージ 109 件、新規 158 件（メインリポジトリ 30、TileOPs 52、昇騰適応リポジトリ 8、TileFoundry 10、海光 3、MLIR 昇騰 2、沐曦 2、ドキュメントサイト 2；10-12 から 10-16 の北京時間ウィンドウ、GitHub 検索実測）。10-16 単日の審査中更新は 172 件に達し、本周最高。
  • 構造的判断は継続・強化：メインリポジトリのスリム化（170 → 165）、TileOPs の肥大化（9 → 16 後に回落）、昇騰適応リポジトリの回復（230 → 237）——「マージゲートの引き締め、審査中キューの肥大化」という構図が全週にわたり、リリース静默期の準備動作はレビュー側に集中。

3. マルチバックエンド適応（昇騰 / 沐曦 / 海光 / 摩尔線程など）

昇騰（Ascend）：移行マージ、実行パスの収束とロールバック規律

  • 移行マージ：NSA Decode（#1701、10-12、+755）を Developer mode hybrid で実装し、単一コアデコード（seq_q=1）を実現。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 Cube/Vector スコープを自動的に切り替え、コア間 flag 同期を挿入する。階層テスト 28 例（L0 閾値、L1 機能に DeepSeek-V3 の典型構成 D=128/S=16/BS=64 を含む、L2 異常系と境界特殊値）、910B3 fp16 で実測。NSA Bwd（#1730、+1593）は nsa_fwd と nsa_bwd_single の 2 つの JIT カーネルを提供し、逆方向は flashattn_bwd のパラダイムに従いオンチップ直結 T.copy（L0C→UB、UB→L1）で 9 つの GM workspace を省略、階層テスト 20 例。
  • ロールバックと再実施：10-14 のドキュメント事実確認 PR 3 件（round セマンティクス #1612、bitwise_rshift #1676、bitwise_xor #1681）が一括ロールバックされた（#1888 から #1890）。原因は再実施版 #1893 で説明されている：毎日の全量スイートが低優先度ケースを実行する際、予期される失敗ケースの例外正規表現が一致しない——実際には AscendVectorInstructionSelection の InternalError を投げるのであって、アサートされた Compilation Failed ではない。これらのケースは low_priority とマークされ、PR 段階の CI では実行されず、毎日の全量実行でフォールバック検出される。再実施版ではすべての予期される失敗アサーションを削除し（サポート表外の dtype はドキュメントの dtype サポート表でカバーするよう変更）、docstring の書き直しと実機テストを保持。
  • 審査中とキュー：dav-3510 gemm_v0 のサイレント数値エラー（#1900、10-15 起票）は今週最も追跡する価値のある 1 件——例外なし、NaN/Inf なし、ゼロ値なし、マルチセット検査はすべて通過し、リモートでのみ精度失敗として現れる。2 つの分割可能なコミット（--npu-arch はプラットフォームから取得、gemm_v0 の staging 制限）は依存順序の検証待ち。他に KDA chunk_delta の逆方向/順方向移行（#1895 / #1896）、bitwise_xor ドキュメント再実施（#1899）、situ_glu（#1891）、cann-bench/lstm サンプル（#1892）、indexer_bwd（#1887）。オープン PR は 230 から 237 に増加。
  • メインリポジトリ側：要聞の PTO ルーティングと独立 AIV のほか、サンプルのターゲット選択 #3474 で TILELANG_DEFAULT_TARGET がターゲットを決定し、DeepGEMM JIT エントリが execution_backend="auto" をサポート；クロス warp allreduce グループ化修正 #3494 は #3469 マージ後のコミュニティ正確性フィードバックへの対応であり、ループは 2 日以内に閉じた。

MLIR 昇騰（tilelang-mlir-ascend）：明示的メモリ制御が実現、ナレッジベース修正

  • NPUIR 明示的メモリとパイプライン制御 #190（10-13 マージ、12 ファイル、+1092/-102）：符号付き pitch を持つ 2 行 GM→UB コピーと連続 GM/L1 ND コピー、物理バッファビューと可変スカラストア、GEMM L0 ping-pong イベントと MMAD / Fixpipe ユニットフラグ（明示的同期要件を含む）、実行時サイズの T.vbrc 領域をサポート；Expert の符号付き floor 除算/剰余、符号なし算術と遅延条件低下を修正。
  • 10-12 の全量性能レポート（#197、7 オペレータ 112 例すべて通過、CANN 8.5.0 / 910B2C / msprof）と 10-15 のナレッジベース修正（#202、ArgMax N-split の partial / merge 記述を単一 device launch 内で完了するよう統一）がそれぞれマージ；T.Pipelined() パラメータ化（#199）、FloorDiv / FloorMod codegen（#200）、Cube メモリ割り当て API（#201）が審査中。オープン PR は 32 件で安定。

海光（Hygon）：三線構造が成形——旧線はデリバリ、新線は上流追随、新ブランチは分散処理

  • レジスタパイプライン（#18）：全週審査中、49ファイル、+4144/-318。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し、パイプラインステージごとにコミットとバリアを挿入）およびwarp数が4を超える場合のwarp-divergeを追加。作者の自述によるとexample_gemmはrocblas水準に達した。
  • FP8フィーチャーブランチ：feat/hcu-mqa-fp8上でMLS channelwise FP8 GEMMが自己申告432 TFLOPS、10-12に「M≤32のときfp8デコードGEMMの帯域がhipblasを超越」を補足し命名を収束（いずれもブランチ内作者の自測基準であり、PRには未関連付け）。
  • メインラインとリリースライン：10-14に#20をマージ（全体をアップストリームv0.1.15にアップグレード、HCUバックエンドとbuild.shワークフローを保持、HCUブロックスケーリングGEMMのscaleバッファレイアウト計画と対応するLDSレイアウトを新規追加）、併せてv0.1.15-releaseブランチを作成。10-15に#21がブロックスケーリング非同期コピーレイアウトを当日開き、当日v0.1.12-releaseメンテナンスラインにマージ。10-16に#22をマージ（K-majorパッケージscaleコピーとネイティブFP32 MLS GEMM、デイリーレポートの締め切り後）。
  • 分散ライン：#19（+2577/-28、44ファイル）とdistributedブランチが全週で2回推進され、統一分散プロセスランチャー、IPCメタデータ初期化検証、BF16／全対等IPC allreduceテスト、IPC GEMM allreduceサンプル、IPCシャットダウンと初期化失敗の伝播、無効peerガード、STRIDEリモートブロックコピーをカバーし、さらに1回の「move distributed language APIs」リファクタリングを実施。マルチカード集合通信が海光の次段階メインラインとなる。

沐曦（MetaX）：アップストリーム追平後にdev線合流へ転換

  • 10-13にmainブランチをアップストリームv0.1.15バージョンノードへ更新（ミラー#3309）、ミラー線がリリースに追平。dev（適応メインワークライン）は以前09-24で停止していた。10-16にdevがアップストリームmainをマージ（Merge branch 'main' ... into dev）し、[fix bug][MetaXGPU]のxfailケースを1件修正——このコミット（10-16 12:35）は10-16デイリーレポートの締め切り後であり、今週の補足核查により追記。オープンPRは16件で安定。

摩尔線程（MUSA）とSunrise：全週静默と依存アップグレード

  • 摩尔線程は09-30以降全週プッシュなし、オープンPR 6件。4社の国産バックエンドのうちv0.1.15に未整合の唯一の1社であり、v0.1.15+musa.1が依然最新リリース（09-30）。
  • Sunrise（S2/S3のTANGバックエンドリポジトリ）は10-12にDependabot CI依存アップグレード2件（#7、#8）のみが審査中、オープンPR 3件、コード面の動きなし。

4. エコシステムと採用側

TileOPs：52件マージの一週間——リファクタリング確定、MoE収束、全オペレータが毎日ランキング更新

  • ガバナンス：Op 基底クラス再構築 #2520（10-11 マージ、363 ファイル、+3362/-5227）を「先に振る舞い、後に機械的リネーム」の十個のコミットで完了：コンパイル境界あり・なしのオペレータを統一的に _run_call で処理、失敗時は本呼び出しがターゲットを選定したか否かでロールバックを決定、子オペレータがどの delegate_for 段階にも属さない場合は複合呼び出し全体を失敗、_validate_dtypes を削除、key_for で二つの選択入口を統合、コンパイル境界を manifest から導出するよう変更。ドキュメントサイトは翌日『Op 基底クラスガイド』（#69）をマージ、コードとドキュメントを同時に更新。
  • MoE 二本確定：masked FP8 グループ GEMM #2521（20 ファイル、+1788/-37、#2388 をクローズ）は FP8 e4m3、1x128 / 128x128 ブロックスケール、bf16 出力で deep_gemm masked セマンティクスに整合、カーネルは TMA producer warp に二つの WGMMA consumer warpgroup を加えた永続グリッド、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み；マニフェストは masked レイアウトに絞り込み、14 行の負荷（E=8 の二行に EP=8 デコード十二行を加え、DeepSeek-V3、Qwen3-235B-A22B、Kimi-K2 をカバー、batch 64 / 256）を用意、moe.masked_routed_metadata 生成器を新設しエキスパート不均衡を模擬（DeepSeek-V3 b64 で空 4/32、Kimi-K2 b64 で空 13/48）。DeepSeek グループ top-k #2535（15 ファイル、+1193/-69、#2268 をクローズ）は num_expert_group / topk_group / routed_scaling_factor を補完し vLLM grouped_topk に整合、同時に T=512 時にデフォルト TOKENS_PER_BLOCK が 32/132 SM しか占めないスケジューリング問題を修正。仕上げの再構築 #2551 は専用 TightRow カーネルを削除、レイアウトカバレッジを SM80 / SM86 に拡大。
  • SM89 が第二プラットフォームに：10-12 の三件（D256 dense GQA デコード #2529、dense GQA プリフィル #2528、GDN / DeltaNet プリフィル #2527、21 例の「失敗不可ディスパッチ」が通過に転換）、10-13 の四件（GLA 逆伝播 #2546：共有メモリ 114688→81920 バイト；DeltaNet 逆伝播 #2547：147968→98816；KDA 融合プリフィル #2548：256 スレッド割当 182528→101120；コンパクト逐行グループ GEMM #2549）、加えて GQA split log-sum-exp を FP32 累加に変更（#2550、bf16 大スコア下で split 混合は最大 0.23 の偏差、autotune は実際の起動プログラムによる計時に変更）と D=256 デコードの SM80/SM90 への拡大（#2563）。
  • アテンション家族の収束：10-15 の三件を同日マージ——varlen GQA 集約とパイプラインスライディングウィンドウ（#2537、FP32 ヘッド単位 sinks で varlen 部分をカバー）、ページド GQA の読み取り専用 RoPE / 両側スライディングウィンドウ / ヘッド単位 sinks（#2516）、ページド KV 書き込みオペレータ PagedKVCacheWriteFwdOp（#2539、呼び出し元スロットに応じたインプレース散乱、-1 スロットをスキップ、FP8 独立 K/V スケール、NaN とオーバーフロー飽和セマンティクスを保持、FlashInfer および vLLM と照合検収）。それ以前の 10-12 には MLA デコード SM89（4.6 倍 / 7.2 倍）、MLA チューニング分裂拡張（候補 24→40、コールドチューニング 348.6 s→151.6 s）、WGMMA ディスクリプタ lane 0 ブロードキャスト（26 行ベンチマークで 0.7%~4.1% 高速化）、KDA プリフィル、NSA top-k ビットソート、ページド GQA TMA 特化カーネル（H200 上で引き継がれた四行が元の 0.44~0.88 倍に低下）をマージ済み。
  • foundry 性能バッチが日次更新リズムに突入：10-13 に八件マージと八件新規、10-14 に十一件収束、10-15 に三件、代表的数据——softmax レジスタ常駐 _held_row に warp shuffle フォールディングを追加（[#2570](https://github.com/tile-ai/TileOPs/p

ull/2570)：39/42 行が 1.1%~78.1% リード、lm-head の 2 行のみ 0.909x/0.934x で遅れ）；TMA が N 非 8 倍数出力をアドレッシングできない場合の行単位・warp 単位ストア（#2566：294.7→23.2 マイクロ秒、12.7 倍、cublaslt-best より 7.5 倍高速）；GELU erf チェーンを 5 命令短縮（#2557：1.125x）、SiluAndMul 16 ビットゲート高速除算（#2565：1.074x、torch-compile 比が 0.945x からプラスに転換）、グループ化 GEMM のタイル末尾で staging を交互化（#2582：4 行の MoE 負荷がすべて quack をリード、fwd 1.015x / dgrad 1.012x / wgrad 1.033x）、W4A16 重み先読み（#2586：decode-long-k が marlin-fp16 の 1.047 倍、8 行タイルがそれぞれ 2.5%~7.6% 高速化）、sigmoid の IEEE 除算回避（#2588：1.020x~1.042x、テストノード +2）。プーリング、正規化、リダクション、RoPE も一斉展開（MaxPool1d/3d、AvgPool3d、RMSNorm を幅ごとに行分割、InstanceNorm は最大 2048 要素の全ベクトル行、any/all の要素単位テスト、グループタイルカウントの warp スキャン：4096 グループで 32 スレッド時に 152 ではなく 62 レジスタ）。

  • 線形注意の修正：KDA プリフィルの逆行列安定化（#2584、関連キーで main が 6 つの chunk と 2 つの fused ケースで NaN を含め失敗、16 行の対角ブロック FP32 求解に変更し共有バッファを再利用）、GLA 逆方向のメモリ再利用（#2569、131072→98304 バイトで SM89 の上限内に収まる、PR は高速化を主張しないと明示）、GLA プリフィル状態のスキップ（#2540、FP32 初期状態テンソル全体の割り当てと読み取りを省略）、単一タイルのデコード状態ロードで TMA ハングを回避（#2538）、MoE エキスパート検索のスキップ（#2575）、permute-align の範囲制限（#2559）。
  • キュー：オープン PR 9（10-12）→ 19（10-13）→ 26（10-14）→ 17（10-15）→ 16（10-16）、一週間で増加後に減少、マージ速度とレビュー中の厚みが交互に主導。

TileOPs 夜間パイプライン：6 つのスナップショット、正確性 1032 → 1134

  • 10-12 03:40 — スナップショット fc2a2a91（ベースライン 70cfdf84）：正確性 1032 項目、ベンチマーク 1947 項目（52 スイート）、失敗ゼロ・エラーゼロ、1 項目スキップ
  • 10-13 03:53 — スナップショット 4cd9f968（ベースライン 6ec0d086）：正確性 1042 項目、ベンチマーク 1947 項目（52 スイート）、失敗ゼロ・エラーゼロ、1 項目スキップ
  • 10-14 04:18 — スナップショット 76e8cac2（ベースライン a79a21e4）：正確性 1064 項目、ベンチマーク 1966 項目（53 スイート）、失敗ゼロ・エラーゼロ、1 項目スキップ
  • 10-15 05:15 — スナップショット 56c2ab6b（ベースライン 35a25677）：正確性 1105 項目、ベンチマーク 1970 項目（53 スイート）、失敗ゼロ・エラーゼロ、1 項目スキップ
  • 10-16 11:35 — スナップショット d6ab1d14（ベースライン cb15bce7）：正確性 1129 項目、ベンチマーク 1982 項目（54 スイート）、失敗ゼロ・エラーゼロ、1 項目スキップ

  • 10-17 04:13 — スナップショット d44ab6d3（ベースライン 67250e81）：正確性 1134 項目、ベンチマーク 1989 項目（55 スイート）、失敗ゼロ・エラーゼロ、1 項目スキップ

  • 週次純増：正確性 +102 項目、ベンチマーク +42 項目、スイート +3。6 つのスナップショットにはそれぞれ 1 項目のスキップ（H200 上で適用外の SM89 チューニングケース、サポートされていない KDA 設定など）があり、失敗もエラーもない。評価環境は H200、CUDA 13.2、torch 2.13.0+cu132、tilelang 0.1.12、最新スナップショット内の tileops バージョンは 0.0.1.dev1338+g67250e817。
  • マージされたコミットとの同時性の関係：10-13 の +10 は SM89 シリーズに対応、10-14 の +22 は MoE と SM89 の逆方向/プリフィルに対応、10-15 の +41 は TileOPs の 16 件のマージ（パフォーマンスバッチは一般的に test-node の追加項目を伴う）に対応——「1 コミットをマージするごとに、基盤が一段上がる」というローリング記帳が一週間を通じて続いた。
  • 説明が必要な調査期間の差異：10-16 のデイリーレポート生成時には 10-15 夜間のスナップショットが見えていなかったが、実際には当該スナップショットは 10-16 11:35（北京時間、デイリーレポートの 07:00 締め切りより後）に到着しており、今週補録済みである。表末尾の 10-17 04:13 の 1 件は 10-16 夜間実行の産物であり、10-16 当日の 2 回目のスナップショットに属する。

TileFoundry：10 件のマージ——スパースデコードからデリバリー可能なエンジニアリング形態へ

  • スパースデコードを TIR まで貫通（#223、10-12 マージ、84ファイル、+4424/-1543）：#218 の DSA デコード遗留問題を引き継ぎ——失われたループ作業量、過大な検索課金、段階的更新の誤りを修正し、インデックス式非同期収集、Bitcast と Where の沈み込みを実装；割り当て制約を単一アクセサ（Storage を返す）に変更し、キャプチャ更新を直接 tile（16B 共有メモリ）に書き込み、パラメータ初期化の持ち込み値に独立ストレージと前置コピーを付与；16組の FixtureCase がそれぞれ CLI 呼び出しと出力チェックをガード。
  • Qwen3.8-27B プレフィル（#229、10-13 マージ、89ファイル、+38069）：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；8192 ではスコアリングが FLOP の 3.1% のみで残りは GEMM、FLOP 制限で削減できるトラフィックはなく、サンプルは analyze --roofline を判断入力としている。境界：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、サンプルは列の選択を論証する必要がある；従来このリポジトリのサンプルはすべてデコードで SGLang の端数にしか達していなかった。
  • リファクタリングと契約：インスタンススロットのリファクタリング（#232、10-15 マージ）はモジュールの子ノードを明示的な共有インスタンススロットに変更し（重複層は定義を共有し、独立したリソースとインスタンス識別を保持）、配置アドレスは SSA リーフごとに共有、ライブ区間は定義ごとにキャッシュし呼び出し点で変換、旧インライン機構と Program を削除、ソース全套 1674 通過 / 11 スキップ；lowering と printer の契約（#233、10-15）は作者領域、ストレージ定義、更新ウィンドウ、段階的所有権を保持し、命令准入は推論、候補生成、lowering、TIR 検証の間で共有。10-16 に analysis アクセスコンテキスト（#238）と issue 237 の割り当て/lowering 修正（#241）を追加。
  • エンジニアリング入口：scaffold 独立プロジェクト（#227、10-13 マージ、47ファイル、+1356/-368）は 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、プレースホルダ CUDA 本体）を生成し、codegen 産物とリンクを6つのモジュールファイルに分割；schedule CLI の強化（#231、10-14 マージ）は命令マッチャーを統一し、tf.empty を新設、schedule finalize --dim を追加、凍結全套ソース 1617 通過 / 11 スキップ。
  • リリースと審査中：リリースページは依然 v0.0.2（09-10）で、全週にわたり新バージョンなし；オープン PR は 1→2→1→3→2。外部監査側では、サードパーティの tilelang-cuda-skills が 10-15 に TileFoundry をサブモジュールとして vendor し（main と cutlass のコミットを固定）、compile() パスを実験的と公開标注し、4つの emitter バグ（Cast 発射、fill テンソル接尾辞、tensor_view 座標など）と2つのランタイムバグ（reduce-workspace の收尾、warps_per_group のディスパッチ）を列挙、同時に欠落している host TMA tensor-map emitter を指摘し、サポート対象パス（HIR 生成、check / analyze、schedule finalize、TileLang カーネル）を画定。

TileSight、TileRT と採用側

  • TileSight：10-13にdevブランチを建立しブランチレベルのプッシュが発生、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）があり、リリース内容はなく、オープンPRは0。09-23にオープンソース化されたタイル中心性能モデルとして、今週はブランチ整理期にある。
  • TileRT：全週プッシュなし（直近は09-24）、リリースページは依然v0.1.5.post2（08-06）。今週はリリースPRなし、benchmarkドキュメントの更新なし。
  • TileKernels：v2.1.0が10-14にマージされ（詳細は要聞参照）、10-14以降から本レポート作成まで新規プッシュはなく、オープンPR数は減少。バージョン要件（TileLang 0.1.15 / PyTorch 2.13 / Ascend 950 / CANN 9.2.0）により、「0.1.15ベースライン」の最初の下流ハード制約となった。
  • FlashQLA：sm120修正（#48、10-14）でblock_DV=64を復元しaggregate_card_stateを補完、RTX 5090 + tilelang 0.1.15 + CUDA 13.0で全テスト通過。PRでは今後、ノード内 / クロスノードのコンテキスト並列の探索を提案。

5. コミュニティ、チュートリアル、イベント

PTO-ISA：tilelangGym新リポジトリとSuperNPUBenchのリリースペース

  • tilelangGymは10-14に建立され、「異なるbenchmark / microbenchmarkのPTO loweringと性能感度のテスト」を位置づけ。10-15の7件（06:47から07:59）で独立SimtVF標準テストスイートを成型：SV / CF / SPにPTO-DSLのシードコミットとバージョンpins、回帰（#1）、スクリプトとレイアウト整理、SV1 SIMD keynoteと単一PASS表（#3）、remat頂点全PASS表と行ごとのSimt対SIMD-DSL対照（#4）、さらにSIMD約85%とSimt IPC / bubble / ILP分析をANALYSISにリンク——PTO loweringの性能感度分析のためのデータ台を構築。
  • SuperNPUBenchは全週高頻度：10-12に4件のコミット（rms_norm 16 KiBタイル分解R=8192リダクション、gfsim RES_CHECKファイルIOロックステップ安全、matmul_test簡素化4-PE、#225マージ）と2件のリリース（ops-20261012、ops-20261013、後者はsuiteごとに2つの小パッケージに分割、全コンパイル産出ELFを含む）。10-13にops-20261013.2をリリースし、matmul_testのCUBE TCVT直結、topkのポータブルgfsim fixtureを推進。10-14に3件をアーカイブ（rms_norm_dynamic_simt_32k、group_norm_grad静的カーネルをV0へ、matmul reuseBカーネル）。10-15にグループ正規化逆伝播の単一パスリダクションとgamma/beta均衡（#245）。
  • tilelang-puzzles-ascendのsimt_compareブランチは全週推進：T.reduce_maxはシリアルスキャンに対し実測8.94倍高速、12のカーネルをT.reduce_absmax折り畳みに変更し再測定。

サードパーティツールと資料：リストリポジトリから外部監査へ

  • tilelang-debugger：10-10に2件（統一ソースアクセスキャプチャ + リンク付き証拠のオフラインHTMLデバッグレポート）、TileLang 0.1.12と0.1.15でそれぞれ117項目のCPU / TIRテスト、H200で42回の収集と66対のベースライン / インストルメンテーション発射を実行。今週（10-12以降）は新規プッシュなし。
  • easy-tilelangチュートリアルリポジトリ：10-13に「adapt tilelang new ascend」をプッシュ、Ascend A5のlower-traceコンパイル観察などの項目を含む。10-14以降は静穏。
  • TileMC（manycoreアーキテクチャ向けサードパーティターゲット）：10-14に1件、FP32サポート拡張、panelマッピングとワークロードスケーリング。
  • BM1690パイプラインリポジトリ（算能TPU）：10-14に18件、10-15に6件のボードレベルログ——Matmul / RMSNormボードレベルスモーク、Split-Kボードレベル結果、RoPE連調と起動タイムアウト診断、ドライバ再初期化と終了セマンティクス、7.0.0-34カーネルホストビルドなど、個人実験リポジトリの連調記録。
  • SwHwCodesign資料線は未成形：10-11に建立されたTileLang-Awesomeは10-12にアクセス不可（404、検索で同名の新リポジトリなし）、同アカウントが別に6つのAI-*プレースホルダーリポジトリを建立、10-14時点で公開リポジトリは2つ（AI-Compiler、AI-Infra）のみでプッシュなし。
  • tilelang-cuda-skills：10-15にTileFoundryへの初回外部監査（内容は第4章参照）、「ツールチェーンが実際に使用された」最初の公開サンプル。

メディアと学術：報道ブーム後の持続的な静けさ

  • 10-10 から 10-11 にかけての中国語による深掘り解説（知危、風聞と知乎の2バージョン）は TileLang を叙述の核心とし、Tile 抽象、3段階のプログラミングインターフェースと自動チューニングキャッシュ機構を解説し、昇騰適配が Ascend C と比較して「性能にほとんど差がない（A2 / A3）」という対比を示した。10-11 の海外アグリゲーション記事（tech-insider）は転載性質のもので、独立した情報源ではない。
  • 10-12 以降、連続4つの調査期間で Google News の中国語・英語複数クエリに新規追加はゼロ、Hacker News に関連項目なし、arXiv に新規プレプリントなし（直近の1本は依然として 07-24 の TileSight 性能モデル論文）。メディア側は 09-29 から 10-11 の報道ブームの後、静穏期に入り、今週の主要コンテンツはすべて GitHub 組織の動向に由来する。

6. トレンド観察

  • リリース静穏期の「静的準備」が4方向で同時に整った：TileOPs の Op 基底クラス再構築はリリース前の収束と自称し、夜間基盤の6スナップショットはゼロ失敗で増加、TileFoundry のサンプルはデコードからプリフィル全長超越へと広がり、マルチバックエンド v0.1.15 は整合——メインリポジトリは 09-30 から既に16日間タグなしだが、次バージョンの静的準備は今週ほぼ整った。リリースするかどうかは、内容ではなくレビューゲート次第である。
  • マルチバックエンドは「バージョン整合」から「同一セマンティクスへの収束」へ：海光は v0.1.15 の全量アップグレードを完了し、別途 v0.1.12 メンテナンスラインを立ち上げ、沐曦はミラーが追いついた後に dev 合流へ移行、昇騰は重心をドキュメントのファクトチェック、キャッシュセマンティクスと実機検証（#1900）に置き、摩尔線程が唯一のギャップである。4社の差は「バックエンドがあるかどうか」から「セマンティクスが一致するかどうか」へと変わった。
  • ROCm が新モデルリリースと同期する第2のラインに：4日連続で DeepSeek NSA、mHC、KDA と GLM-5.3 関連カーネルが着地し、技術的負債はデバイス予算（ウェーブフロント 64 lane、MFMA 入力型、LDS/VGPR 上限）ごとに逐次返済；SM121 / SM89 の複数世代同時修正との合流後、バックエンドトポロジーは「NVIDIA 優先」から「複数デバイス同時メンテナンス」へと転換した。
  • TileOPs の性能エンジニアリングは「重点オペレータ攻略」から「全オペレータの毎日ランキング更新」へ：1日8〜11件、各件に外部対照（torch-compile / cuBLASLt / quack / FlashInfer / FLA）を伴い、残余の遅れは公開で PR に書き込まれる（lm-head の2行 0.909x、GLA 逆方向は加速を明確に主張せず）——「遅れ」を定量化し記録に残すことは、単点の高速化よりもエンジニアリング規律を示す。
  • 昇騰のガバナンス方針は「すべて通過」から「アサーションの精確さ」へ：3件のドキュメントチェックが低優先度ケースの異常正規表現不一致により一括ロールバックされ、削減して再作成された。これは PR 段階では low_priority を実行せず、毎日全量でフォールバックする2段階 CI 構造を露呈した；この種のロールバックは後退ではなく、「予期された失敗」を技術的負債清算のシグナルとして扱うことである。
  • TileFoundry はコンパイラツールからデリバリー可能な製品形態へ：scaffold 独立プロジェクト、インスタンススロットと lowering 契約、クロスリッジラインのプリフィルサンプル論証、再構築着地の同一ウィンドウで第三者 vendor に並列され欠陥台帳を作成——製品化の典型的軌跡は「基盤再構築の後、インターフェース契約の収束と欠陥の公開化」である。次号ではこれらの emitter / ランタイム欠陥が吸収されるかを追跡する必要がある。
  • 次号の注目点：メインリポジトリ v0.1.16 がリリースされるか（既に16日間静穏）；SM120 ブロックスケーリング MMA 二線（#3495 / #3099）が合流できるか；cumsum warp 特化修正（#3536）と PTO ファミリー7件の推進；昇騰 #1900 の2コミットと A5 実機検証スケジュール；海光分散 IPC で最初に合流するマルチカード PR が現れるか；TileOPs にリリースパイプライン整理系コミット（週末）が既に出現しており、それが最初の正式バージョンを導くか；TileFoundry の外部欠陥リストが吸収されるか。

付録：素材と検証説明

  • 素材：本誌の毎日TileLang動態デイリーレポート5期分（10-12から10-16）、対応する収集期間は10-10 07:00から10-16 07:00（北京時間）。期間内の10-16昼間および10-16夜間（北京時間10-17未明）の動態は、168時間の調査期間で追加確認したうえで本レポートに含めた。10-17（土曜）当日の組織動態は翌週月曜のデイリーレポートに統合する。
  • 追加確認（168時間の調査期間、本レポート作成時点まで）：tile-ai組織の29リポジトリのうち、期間内に12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、tilelang.github.io、TileOPs.github.io、tilelang-sunrise）。PRのマージ数と新規作成数は10-12から10-16の北京時間の期間で検索・実測した。夜間パイプラインの6スナップショットについて、test_results.xmlとbench_results.xmlを1件ずつ再計算した（テストケース、失敗、エラー、スキップ、スイート数）。
  • 基準と範囲：性能データはすべてPR説明またはリリースノートの自己申告（H100、H200、B300、RTX 5090、RTX 6000 Adaなど）であり、本誌には対応ハードウェアがなく、独自の再現は行っていない。夜間スナップショットは単一パイプラインの記録であり、横断評価ではない。公開日時は各リポジトリのタグとリリースページで再確認したものとし、適配リポジトリのリリースページとブランチの進行には遅延が生じる可能性がある。TileKernelsの昇騰性能は自身のREADMEの宣言によるものであり、第三者評価ではない。
  • 次期サイクルの提案：2026-10-19 〜 2026-10-23。

情報源確認表

情報源 確認結果
tile-ai組織（29リポジトリ） 168時間の調査期間内に12リポジトリでプッシュあり。今週のPRマージ109件、新規158件。現在オープンPR 532件
メインリポジトリ tilelang 今週マージ30件。オープンPR 170→168→161→160→165。リリースページとタグは全週で新規なし（最新 v0.1.15、09-30）
TileOPs 今週マージ52件。オープンPR 9→19→26→17→16。Op基底クラス再構築、MoEデュアルオペレータ、アテンション3連、foundry性能バッチが同週に着地
TileOPs-nightly 6スナップショット、正確性 1032→1134、ベンチマーク 1947→1989（52→55スイート）、すべて失敗ゼロ・エラーゼロ
TileFoundry 今週マージ10件（#223、#221、#227、#229、#231、#232、#233、#236、#238、#241）。オープンPR 1→2→1→3→2。リリースは依然 v0.0.2（09-10）
昇騰（ascend / mlir-ascend） ascend：マージ8件（#1701、#1730、#1612、#1676、#1681、#1888 から #1890）。オープンPR 230→237。mlir-ascend：マージ2件（#190、#202）。オープンPR 32件
海光 / 沐曦 / 摩尔線程 海光：マージ3件（#20、#21、#22）、#19とdistributedブランチは審査中/進行中。沐曦：マージ2件（mainミラーとdev合流）。摩尔線程：09-30以降活動なし、オープンPR 6件
Sunrise DependabotによるCI依存アップグレード2件のみ審査中（#7、#8）。オープンPR 3件
採用側（TileKernels / FlashQLA） TileKernels v2.1.0（#38）とFlashQLA sm120修正（#48）はいずれも10-14にマージ。10-14以降は新規プッシュなし
TileSight / TileRT TileSightは10-13にdevブランチを作成してプッシュ、リリースなし。TileRTは全週プッシュなし（最近 09-24）
PTO-ISAとコミュニティ第三者 tilelangGym新規リポジトリ（10-14）とSimtVFスイート7件。SuperNPUBenchはリリース2件とアーカイブ複数件。BM1690のボードレベルログ24件。tilelang-cuda-skillsの外部監査1件。TileMC 1件。easy-tilelang 1件。tilelang-debuggerとSwHwCodesignは期間内プッシュなし
メディアと学術 Google Newsは10-12以降、連続4期間で新規ゼロ。Hacker Newsに関連項目なし。arXivに新規プレプリントなし

主な引用

https://github.com/tile-ai/TileOPs/pull/2582

データソース：毎日 TileLang 動態デイリーレポート（2026-10-12 から 2026-10-16 までの全五期）および本周期の実測検証。レポート期間は 2026 年 10 月 12 日から 10 月 16 日まで。