보고 기간: 2026년 10월 12일(월)부터 10월 16일(금)까지, 총 5영업일, 5회분 데일리 리포트 소재 소재 출처: 본지의 일일 TileLang 동향 데일리 리포트 5회분(10-12, 10-13, 10-14, 10-15, 10-16); 추가로 tile-ai 조직 29개 저장소의 168시간 모니터링 기간 보충 점검, 야간 파이프라인 6개 스냅샷의 테스트 결과를 개별 재계산 및 각 저장소 릴리스 메타데이터 재검토(상세 내용은 부록 참조)

1. 이번 주 주요 뉴스

  • 메인 저장소 ROCm 라인 4일 연속 마무리, DeepSeek 신규 아키텍처 커널이 세 번째 마무리 라인으로 부상(10-13 ~ 10-14): 10-13에 DeepSeek NSA 전방향/단일 토큰 디코딩의 64 lane 단일 웨이브 구현(#3152, +111/-2)과 flash-decoding의 LDS/VGPR 예산 적응형 타일(#3149, +82/-5)이 병합됨; 10-14 새벽에 mHC(다양체 제약 초연결) 전/후처리 커널(#3156, 2개 파일 +83/-6, HIP 측은 전체 64 lane 웨이브프런트에서 분업하도록 변경하고 FP32 혼합 가중치를 BF16으로 변환하여 MFMA에 공급)과 safe-gated KDA 디코딩 예제(#3249, +360, GLM-5.3-Flash TP8 전용화 구성 포함)가 추가로 병합됨; 10-14에는 cumsum/cummax의 64 lane 세그먼트 폭 수정(#2326)도 있음. 네 건 모두 “장치 현실에 따른 적응”을 공통적으로 지향: gfx942 웨이브프런트 크기, MFMA 입력 유형, LDS/VGPR 예산을 항목별로 청산, ROCm 지원이 “동작 확인”에서 “신규 아키텍처 릴리스와 동기화”로 전환.

  • Ascend PTO가 “독립 타깃”에서 “일등 실행 경로”로 승격, NSA 이중 마이그레이션과 롤백 규율이 같은 주에 발생(10-12 ~ 10-15): 10-15에 실행 라우팅 #3316 병합——target="ascend"와 execution_backend="pto" 조합이 실행 인식 타깃 정규화를 거쳐 CodeGenTileLangPTO에 직결되고, auto 경로는 AscendC + TVM-FFI를 유지; 선행된 예제 타깃 선택 #3474(10-14 병합, 하드코딩된 target="ascend" 제거, CI가 ascend / pto 두 타깃을 각각 한 번씩 실행)과 본 모니터링 기간에 심사 중인 tvm_ffi 백엔드, VMI 벡터화, SS buffer, 부분 L0 복사 pitch 등 일곱 건이 패밀리를 구성. 같은 주 10-12에 Ascend NSA Decode(#1701, +755, 28개 계층별 테스트)와 NSA Bwd(#1730, +1593, 20개)가 병합됨; 10-14에 세 건의 “문서 사실 확인” PR(#1612, #1676, #1681)이 저우선순위 예상 실패 테스트 케이스의 예외 정규식 불일치로 인해 일괄 롤백됨(#1888 ~ #1890), bitwise_rshift는 재작업 버전 #1893으로 예상 실패 단언을 삭제한 후 재제출됨; 10-15에 dav-3510에서 gemm_v0의 조용한 수치 오류 수정이 시작됨(#1900), --npu-arch가 무조건 dav-2201을 취하여 A5 커널이 잘못된 아키텍처를 겨냥하게 되는 문제를 노출.

  • TileOPs 일주일 52건 머지: Op 기반 클래스 리팩터링 확정, MoE 듀얼 연산자 확정, SM89 두 번째 플랫폼으로 등극 (10-12 ~ 10-16): 10-11에 머지된 Op 기반 클래스 리팩터링(#2520, 363개 파일, +3362/-5227, 스스로 “릴리스 전” 마무리라고 칭함)은 컴파일 경계가 있는 연산자와 없는 연산자를 모두 _run_call을 통해 실행하도록 통일하고, select_kernel_key/select_implementation을 key_for로 병합하며, 컴파일 경계를 manifest에서 도출하도록 변경했으며, 문서 사이트는 다음 날 《Op 기반 클래스 가이드》로 후속 조치했다. 10-13에는 MoE 듀얼 연산자가 같은 날 확정되었다 — masked FP8 그룹 GEMM(#2521, 20개 파일 +1788/-37, deep_gemm masked 시맨틱에 정렬)과 DeepSeek 그룹 top-k(#2535, 15개 파일 +1193/-69, vLLM grouped_topk에 정렬하고 T=512일 때 32/132 SM의 스케줄링 문제 수정). SM89는 10-12부터 일괄 마무리되었다(GQA 프리필/디코드, GDN / DeltaNet 프리필, GLA / DeltaNet 역방향, KDA 프리필, Norm 전체 스펙트럼). RTX 40 시리즈와 L40 / 6000 Ada급 워크스테이션이 연산자 라이브러리 측면에서 Hopper와 나란히 서게 되었다.

  • 야간 기반시설 6개 스냅샷: 정확성 1032 → 1134 (+102), 벤치마크 1947 → 1989 (+42), 전 과정 제로 실패 (10-12 ~ 10-16): 이번 주 6개 스냅샷의 정확성 테스트 케이스는 1032건에서 1134건으로, 벤치마크는 1947건(52개 스위트)에서 1989건(55개 스위트)으로 증가했으며, 6개 모두 제로 실패·제로 오류, 각 1건 스킵이었다. 일일 최대 증가폭은 10-15(+41, TileOPs 16건 머지와 동시)에 나타났고, 10-16에는 스냅샷이 두 번(새벽과 야간 각 1회) 발생하여 이번 주 처음으로 하루 두 번의 스냅샷이 있었다. 평가 환경은 H200, CUDA 13.2, torch 2.13.0+cu132, tilelang 0.1.12이다(자세한 내용은 4장 표 참조).

  • 멀티 백엔드 동일 버전 마무리: Hygon v0.1.15 업그레이드 적용 및 분산 IPC 라인 개설, MetaX 업스트림 추격, Moore Threads 전 주간 침묵 (10-13 ~ 10-16): Hygon은 10-14에 v0.1.15 전체 업그레이드를 머지하고(#20, HCU 백엔드 유지 및 블록 스케일 GEMM의 scale 버퍼 레이아웃 계획 신규 추가), v0.1.15-release 브랜치를 생성했으며, 같은 날 #19(+2577/-28, 44개 파일)로 Distributed 라인을 개설했다(통합 프로세스 런처, IPC allreduce 테스트, IPC GEMM allreduce 예제 등). 10-15에는 #21로 블록 스케일 비동기 복사 레이아웃을 당일 개설, 당일 v0.1.12-release 유지보수 라인에 머지했으며, 10-16에는 다시 #22를 머지했다(K-major 패킹 scale 복사 및 네이티브 FP32 MLS GEMM). MetaX는 10-13에 main을 업스트림 v0.1.15 노드로 푸시했고(미러 #3309), 10-16에는 dev 라인에 업스트림 main을 머지하고 xfail 테스트 케이스 하나를 수정했다. Moore Threads는 09-30 이후 전 주간 활동이 없었으며, 4개 중 유일하게 v0.1.15에 정렬되지 않은 백엔드이다.

  • TileFoundry 일주일 만에 10건 병합: 희소 디코딩 TIR 관통, Qwen3.8-27B 프리필 최초 전체 길이에서 SGLang 추월, 핵심 리팩터링과 외부 감사 동시 진행 (10-12 ~ 10-16): 10-12에 희소 디코딩 TIR 관통 #223 병합(84개 파일, +4424/-1543, 누락된 루프 작업량, 과도한 조회 비용 및 단계별 업데이트 오류 수정); 10-13에 Qwen3.8-27B 프리필 예제 #229 병합(89개 파일, +38069), 해당 저장소 최초로 1024 / 4096 / 8192 세 길이 모두에서 SGLang보다 빠른 예제(8192에서 스코어링이 FLOP의 3.1%만 차지, 부하가 H200 변곡점을 36배 초과); 10-15 같은 기간에 인스턴스 슬롯 리팩터링(#232, 소스 전체 1674개 통과)과 lowering / printer 계약(#233) 적용; 10-16에 analysis 접근 컨텍스트(#238)와 issue 237의 할당/lowering 수정(#241) 추가. 리팩터링 적용과 같은 기간에 써드파티 스킬 저장소가 TileFoundry를 워크플로에 vendor하고 4개의 emitter 버그와 2개의 런타임 버그를 나열—외부 감사 단계 진입.

  • 채택 측 최초 버전 반복: TileKernels v2.1.0 Ascend 중심 재작성, FlashQLA Blackwell sm120 수정 (10-14): DeepSeek TileKernels v2.1.0(16개 파일, +352/-382)은 해당 저장소가 09-30에 Ascend 지원을 추가한 후 첫 버전 반복으로, 변경은 Ascend 측에 집중(norm_forward_asc 대폭 재작성, SwiGLU 순방향/역방향, Engram 게이팅), README는 TileLang 0.1.15, PyTorch 2.13, Ascend 950 NPU 및 CANN 9.2.0으로 업그레이드 요구; Qwen FlashQLA #48(5개 파일, +82/-5)은 0.1.13 이후 Blackwell sm120 순방향/역방향 사용 불가 문제 수정(block_DV가 잘못 128로 변경됨, aggregate_card_state 누락), RTX 5090 + tilelang 0.1.15 + CUDA 13.0에서 전체 테스트 통과.

  • 하드웨어 매트릭스 같은 주 확장: SM121 점등, SM120 블록 스케일링 이중 라인 심사 중, D=256 디코딩 SM80/SM90으로 확대, CPU OpenMP 그리드 병렬 적용 (10-12 ~ 10-15): SM121(GB10 / DGX Spark) 블록 스케일링 MMA가 10-11에 점등(#3430, DGX Spark 드라이버 580.178.04 / CUDA 13.0 실측), 이전에는 sm_121a에서 모든 블록 스케일링 MMA가 BPT.TRAP으로 컴파일됨; SM120 측의 MXFP8/MXFP4(#3495)와 mxf8f6f4 전체 피연산자 패밀리(#3099)는 주중 내내 심사 중. 소비자 및 워크스테이션 측에서는 D=256 FP16/BF16 밀집 디코딩이 SM89에서 SM80/SM90으로 확대(#2563, Gemma-2B 8K cache 부하 포함, 동시에 밀집 RoPE split이 softcap을 무시하는 문제 수정); 메인 저장소는 10-14에 CPU 백엔드의 그리드 수준 OpenMP 병렬(#3109)과 Windows NVCC의 cl.exe 전환(#3510) 병합.

2. 핵심 프로젝트 진행 상황(메인 저장소 tilelang)

버전 및 릴리스

  • 메인 저장소의 최신 태그와 릴리스는 여전히 v0.1.15(09-30 릴리스)이며, 주간 전체에 걸쳐 신규 태그와 신규 릴리스 페이지 항목이 없었고, 이번 주 금요일 기준으로 이미 16일째입니다. 릴리스 페이지의 최근 세 항목은 각각 v0.1.15(09-30), v0.1.14(09-02), v0.1.13(08-03)이며, 기존의 월간 리듬이 이번 주에 깨졌습니다.
  • 적응 라인 태그는 주간 전체 동안 변동이 없었습니다: Ascend v0.1.2.000, MLIR Ascend v0.1.2.020.sglang.poc, MetaX v0.1.14(10-13에는 main 이미지만 v0.1.15 노드로 이동했고 신규 태그는 없음), Moore Threads v0.1.14+musa.1; Hygon은 v0.1.15 메인라인과 v0.1.12-release 유지보수 라인의 이중 라인으로 병행하고 있습니다.
  • 릴리스 정체의 대조면은 다운스트림 제약의 상향입니다: TileKernels v2.1.0은 TileLang 0.1.15 이상을 명시적으로 요구하며, FlashQLA의 sm120 수정 또한 0.1.15에서 검증되었습니다. 이번 주부터 「0.1.15 베이스라인」이 채택 측의 사실상 최저 요구 사항이 되었습니다.

컴파일러, 실행 경로 및 언어 계층

  • PTO 실행 라우팅(#3316, 10-15 병합): 실행 인식 대상 정규화 훅을 신설했으며(BackendContext 생성 지점에 연결), Ascend 전용 정규화기가 파싱 전에 네이티브 Ascend 대상을 PTO 대상 변형으로 전문화하고 arch 등 속성을 보존한다. 디바이스 코드 생성은 PTO_CODEGEN과 target.build.tilelang_pto_without_compile로 전환되었으며, 문서에는 TILELANG_DEFAULT_TARGET=ascend에 TILELANG_EXECUTION_BACKEND=pto를 더한 등가 구성이 제시되어 있다. 테스트는 컨텍스트 파싱, 대상 속성 보존, 캐시 디스패치, 환경 변수 선택을 커버한다.
  • PTO DeepGEMM codegen(#3330, 10-14 병합): 제어 흐름을 넘나들며 tl.ascend_set_mmad_direction을 추적하고 적용된 방향을 MAD 명령에 인코딩하며, 충돌 방향에서 도달 가능한 MAD를 거부한다. SIMD 후 증분 로딩, 혼합 AIC/AIV 커널의 UB 주소에서 PTODSL 포인터로의 변환, 동적 L0C→UB 차원과 스트라이드, int16 부호 있는 패킹 MX scale을 지원한다. 자체 보고 기준 DeepGEMM PTO 테스트 케이스 15개 중 14개가 통과했으며, test_bf16_m_grouped_padding은 PTOAS VPTO 백엔드가 FP32→BF16 변환을 합법화하지 못하는 문제로 여전히 차단되어 있다.
  • 독립 AIV 실행(#3485, 10-14 병합): Ascend AutoSchedule을 확장하여 AIV0와 AIV1이 sid 의존성 아래에서 서로 다른 작업을 수행할 수 있게 했다(교대 마무리, 역양자화와 마무리 분담, 서로소 입력 파티션, 루프 내 역할 전환). AssignCore를 지연 추정과 스케줄링 이전으로 앞당기고, AIV 로컬 UB 버퍼와 스칼라 상태에 독립적인 정체성을 부여했다.
  • C 계열 codegen 공유 기반 클래스(#3289, 10-14 병합): CodeGenTileLangCBase가 CUDA, HIP, CPU C, Ascend C++, Metal, C 호스트 코드 생성을 통합한다. 소스 텍스트가 끝에 개행이 없거나 역슬래시로 끝날 때 T.import_source, T.Kernel(prelude=...), pragma_import_c가 다음 생성 줄을 삼키는 문제를 수정했다. 검증: 집중 회귀 83건 통과, codegen 및 launch 스위트 405건 통과.
  • CPU 그리드 병렬화(#3109, 10-14 병합): 주석이 달린 CPU grid 루프를 OpenMP 병렬 루프로 변환하는 MaterializeCPUParallelGrid를 신설하고, 루프 collapse, 스레드 수 구성, 최소 trip 수 임계값, 할당 하강을 함께 지원하며 Linux / macOS / Windows의 컴파일 플래그를 보완했다. CPU 백엔드가 처음으로 그리드 수준 병렬성을 갖추게 되었다.
  • Host IR 라인 전주 심사 중: CUDA와 CuTeDSL 실행 경로를 통합하는 #3473과 Host IR JIT 직접 연결 및 네이티브 캐시를 다루는 #3481은 10-10에 열린 이후 병합되지 않았으며, 여전히 메인 저장소에서 가장 큰 심사 중 방향이다.
  • PTO 계열 7건(10-15부터 심사 중): tvm_ffi 실행 백엔드(#3516), T.Parallel에서 PTO VMI로의 벡터화(#3512), SS buffer(#3514), 일부 L0 복사 명시적 pitch(#3511), NZ 버퍼 UB→L1 부분 복사(#3530), PTO Ramp 값의 타입별 벡터 발행(#3535), SIMT VF 내 벡터 로컬 접근 수정(#3523). 이 중 SS buffer는 10-16 오전에 병합되었다(#3514, 데일리 리포트 마감 시점 이후 추가 확인으로 확정).

정확성 및 결함 수정

  • 10-12(주말 모니터링 기간 마감): GEMM dtype 화이트리스트(#3245, 지원되지 않는 조합을 CUDA codegen 전에 거부, 결함 티켓 #3004), For 루프 스텝(#3427), JIT 출력 인덱스 정규화 오염(#3318), popcount 좁은 정수 하강(#3300, int8(-1)은 8비트로 계산), 비트 리덕션 부동소수점 소스 허용(#3332), CuTeDSL 펜스 선출(#3400, 2D/3D 스레드 블록에서 다중 스레드 중복 도달 게시), NVRTC / CuTeDSL 파라미터 아이덴티티(#3414).
  • 10-13: thread_storage_sync 정확한 스레드 경계(#3291, 4개 파일 +292/-96, #2954 수정); Ascend PTODSL 리덕션 헬퍼 vendor(#3469, +555/-115)로 CANN Weekly에서 발생하는 ModuleNotFoundError 수정.
  • 10-14: SimdVF 다중 버퍼 T.fill(#3455, 다중 버퍼 버전 차원으로 인해 전체 버퍼 채우기 검사가 거부됨), bisheng 임시 파일 정리 스위치(#3461), 크로스 warp allreduce 그룹 오발송(#3494).
  • 10-15: JIT 해시 불가 컴파일 타임 파라미터 거부(#3417, 가변 기본값이 오래된 커널을 조용히 재사용하는 것을 방지, 91개 통과), 테스트 컴파일 시간 제거(#3517), 거버넌스 설정(#3513, CodeRabbit 자동 라벨).
  • 10-16(데일리 리포트 마감 시점 이후 보충 검증으로 확인): Ascend SS buffer(#3514), SimdVF dim=1 리덕션 행별 단일 원소 저장(#3437), Ascend RNG 커널 간 상태 리셋(#3331), 형제 파이프라인 공유 버퍼 이중 확장 방지(#2342), TMA-only 프로듀서 warp 0 제한(#3503).
  • 10-16 새벽 신규 개설 대기 중: warp 특수화에서 cumsum 공유 버퍼 수정(#3536) — 컨슈머 스레드가 128부터 번호가 매겨지는데 스캔 템플릿이 구간 하한을 받지 못해 CumSum1D / CumSum2D가 컨슈머 스레드에서 조기 반환하고 버퍼가 기록되지 않은 채로 남음; 수정 후 #3528 재현 사례 131072개 항목 모두 정상(main에서는 129019개 항목 오류). 또한 profiler L2 읽기 전용 플러시(#3534)와 공유 스캔 스레드 수 진단(#3532)이 있음.

성능 및 하드웨어 매트릭스

  • SM121(GB10 / DGX Spark): #3430은 tl::sm120_mma_sync_blockscaled가 arch와 패밀리에 따라 SM120 / SM121을 동시에 수용하도록 하고, NVF4 테스트는 SM12x 패밀리 기준으로 게이팅하며, CuTeDSL TMA 아키텍처 테이블에서 sm_121 / sm_121a를 허용합니다.
  • SM120 블록 스케일링: MXFP8(kind::mxf8f6f4, 1X, UE8M0) 및 MXFP4(mxf4nvf4, 2X, UE8M0) 확장(#3495, +884/-51, FP32 누적, K 원소 32개당 스케일 하나)과 전체 f8f6f4 오퍼랜드 패밀리(#3099)가 계속 심사 중입니다.
  • ROCm: 주요 사항의 네 건 외에, 10-15의 scan 웨이브프런트 수정(#2326)으로 cumsum / cummax가 대상 웨이브프런트 폭에 따라 세그먼트 폭을 선택하게 되었고, 32 스레드 블록은 컴파일 시점에 64 lane 템플릿에서 제외됩니다. B300에서 CUDA scan 스위트 17건 통과.
  • SM89 배치별 성능 정책: MLA 디코딩은 배치와 헤드 블록 수에 따라 2/4/8/16 KV 분할을 선택(#2511: 단일 요청 bf16 4k 0.158→0.034 ms 약 4.6배, 32k 1.170→0.162 ms 약 7.2배), KDA 프리필은 16열 값 타일로 분할(#2510: 4k/32k/64k 22.9%/19.8%/18.5% 감소), 스캔 확장(#2574: 4096~16384 token을 8 값 헤드에서 16 값 헤드로 확장, 19행 2.5%~19.7% 속도 향상).
  • Windows / Metal: Windows NVCC가 MSVC로 전환(#3510, CUDA 13.3에서 재현 사례 수정). Metal 배치 10건(#3194~#3210)이 심사 중이며, 세그먼트 정규화 누적기, simdgroup GEMM 프래그먼트, BF16 벡터 타입, 짧은 상수 루프 언롤 등을 포함합니다.

리뷰 큐 관찰

  • 메인 저장소 오픈 PR: 170(10-12) → 168(10-13) → 161(10-14) → 160(10-15) → 165(10-16), 주중 160~170 구간에서 등락. 조직 기준 오픈 PR 합계는 498(10-12)에서 507(10-13)로 상승, 이번 주 편성 시점에는 532건.
  • 조직 기준 머지 및 산출: 이번 주 PR 머지 109건, 신규 오픈 158건(메인 저장소 30, TileOPs 52, Ascend 적응 저장소 8, TileFoundry 10, Hygon 3, MLIR Ascend 2, MetaX 2, 문서 사이트 2; 10-12~10-16 베이징 시간 기준, GitHub 검색 실측). 10-16 하루 심사 중 업데이트가 172건으로 이번 주 최고치.
  • 구조적 판단은 이어지며 강화됨: 메인 저장소 슬림화(170 → 165), TileOPs 확대(9 → 16 후 하락), Ascend 적응 저장소 반등(230 → 237) — 「머지 게이트 강화, 심사 큐 확대」의 구도가 주 전체에 걸쳐 지속되었고, 릴리스 조용기 대비 움직임은 리뷰 측에 집중되었습니다.

3. 멀티 백엔드 적응(Ascend / MetaX / Hygon / Moore Threads 등)

Ascend: 마이그레이션 머지, 실행 경로 수렴 및 롤백 규율

  • 마이그레이션 병합: NSA Decode(#1701, 10-12, +755)가 Developer mode hybrid로 단일 코어 디코딩(seq_q=1)을 구현했으며, 명시적 L1/L0C/UB 할당, 5개 세그먼트 GM workspace를 workspace_idx=[6..10]을 통해 자동 할당하고, 컴파일러가 Cube/Vector 스코프를 자동으로 전환하고 크로스 코어 flag 동기화를 삽입한다. 계층 테스트 28건(L0 임계값, L1 기능에 DeepSeek-V3 전형 설정 D=128/S=16/BS=64 포함, L2 예외 및 경계 특수값), 910B3 fp16 실측. NSA Bwd(#1730, +1593)는 nsa_fwd와 nsa_bwd_single 두 개의 JIT 커널을 제공하며, 역방향은 flashattn_bwd 패러다임에 따라 온칩 직접 연결 T.copy(L0C→UB, UB→L1)로 9개의 GM workspace를 절약하고, 계층 테스트 20건.
  • 롤백 및 재작업: 10-14의 문서 사실 확인 PR 세 건(round 시맨틱 #1612, bitwise_rshift #1676, bitwise_xor #1681)이 일괄 롤백되었다(#1888부터 #1890). 원인은 재작업 버전 #1893에서 설명되었는데, 매일 전체 스위트가 저우선순위 케이스를 실행할 때 예상 실패 케이스의 예외 정규식이 일치하지 않았기 때문이다. 실제로는 AscendVectorInstructionSelection의 InternalError가 발생했고 단언된 Compilation Failed가 아니었으며, 이들 케이스는 low_priority로 표시되어 PR 단계 CI에서는 실행되지 않고 매일 전체 실행에서 발견되었다. 재작업 버전은 모든 예상 실패 단언을 삭제했으며(지원표 외 dtype은 문서 dtype 지원표로 대체), docstring 재작성과 실기 테스트는 유지했다.
  • 심사 중 및 대기열: dav-3510 gemm_v0 무음 수치 오류(#1900, 10-15 개설)는 이번 주 가장 추적할 가치가 있는 건으로, 예외 없음, NaN/Inf 없음, 0값 없음, 멀티셋 검사 전부 통과, 원격에서만 정밀도 실패로 나타난다. 두 건의 분리 가능한 커밋(--npu-arch는 플랫폼에서 가져옴, gemm_v0 staging 제한)은 의존성 순서 검증을 기다리고 있다. 그 외 KDA chunk_delta 역방향/순방향 마이그레이션(#1895 / #1896), bitwise_xor 문서 재작업(#1899), situ_glu(#1891), cann-bench/lstm 예제(#1892), indexer_bwd(#1887)가 있다. 오픈 PR은 230에서 237로 상승했다.
  • 메인 저장소 측: 주요 뉴스의 PTO 라우팅과 독립 AIV 외에, 예제 대상 선택 #3474는 TILELANG_DEFAULT_TARGET이 대상을 결정하도록 하고, DeepGEMM JIT 진입점은 execution_backend="auto"를 지원한다. 크로스 warp allreduce 그룹화 수정 #3494는 #3469 병합 후 커뮤니티 정확성 피드백에 대한 응답으로, 회로가 이틀 만에 닫혔다.

MLIR Ascend(tilelang-mlir-ascend): 명시적 메모리 제어 구현, 지식베이스 수정

  • NPUIR 명시적 메모리와 파이프라인 제어 #190(10-13 병합, 12개 파일, +1092/-102): 부호 있는 pitch를 가진 이중 행 GM→UB 복사와 연속 GM/L1 ND 복사, 물리 버퍼 뷰와 가변 스칼라 저장, GEMM L0 ping-pong 이벤트와 MMAD / Fixpipe 유닛 플래그(명시적 동기화 요구 포함), 런타임 크기의 T.vbrc 영역을 지원하며, Expert의 부호 있는 floor 나눗셈/모듈로, 부호 없는 산술과 지연 조건 하강을 수정했다.
  • 10-12의 전체 성능 보고서(#197, 7개 연산자 112건 전부 통과, CANN 8.5.0 / 910B2C / msprof)와 10-15의 지식베이스 수정(#202, ArgMax N-split의 partial / merge 설명을 단일 device launch 내 완료로 통일)이 각각 병합되었고, T.Pipelined() 파라미터화(#199), FloorDiv / FloorMod codegen(#200), Cube 메모리 할당 API(#201)는 심사 중이다. 오픈 PR은 32건으로 안정적이다.

Hygon(하이광): 3노선 구조 형성——기존 노선 납품, 신규 노선 업스트림 추격, 신규 브랜치 분산 처리

  • 레지스터 파이프라인(#18): 전 주 동안 리뷰 중이며, 49개 파일, +4144/-318로 백엔드에 레지스터 파이프라인(공유 메모리 파이프라인과 협력, 파이프라인 단계별 커밋 및 배리어 삽입) 및 warp 수가 4를 초과할 때의 warp-diverge를 추가했으며, 작성자는 example_gemm이 rocblas 수준에 도달했다고 자술했다.
  • FP8 기능 브랜치: feat/hcu-mqa-fp8에서 MLS channelwise FP8 GEMM이 자체 보고 432 TFLOPS를 달성했고, 10-12에 「M≤32일 때 fp8 디코딩 GEMM 대역폭이 hipblas를 초과」를 보충하고 명명을 수렴했다(모두 브랜치 내 작성자 자체 테스트 기준이며 PR과 연결되지 않음).
  • 메인라인과 릴리스 라인: 10-14에 #20을 머지했으며(전체를 업스트림 v0.1.15로 업그레이드, HCU 백엔드와 build.sh 워크플로 유지, HCU 블록 스케일링 GEMM의 scale 버퍼 레이아웃 계획과 지원 LDS 레이아웃 추가), v0.1.15-release 브랜치를 생성했다. 10-15에 #21이 블록 스케일링 비동기 복사 레이아웃을 당일 열고 당일 v0.1.12-release 유지보수 라인에 머지했다. 10-16에 #22를 머지했으며(K-major 패킹 scale 복사와 네이티브 FP32 MLS GEMM, 데일리 리포트 마감 시점 이후).
  • 분산 라인: #19(+2577/-28, 44개 파일)와 distributed 브랜치가 전 주에 두 차례 추진되어, 통합 분산 프로세스 런처, IPC 메타데이터 초기화 검증, BF16 / 전대칭 IPC allreduce 테스트, IPC GEMM allreduce 예제, IPC 종료와 초기화 실패 전파, 무효 peer 가드, STRIDE 원격 블록 복사를 포함하며, 한 차례 「move distributed language APIs」 리팩터링이 있었다. 멀티카드 집합 통신이 하이광의 다음 단계 메인라인이 되었다.

무시(MetaX): 업스트림을 따라잡은 후 dev 라인 합류로 전환

  • 10-13에 main 브랜치를 업스트림 v0.1.15 버전 노드로 푸시(미러 #3309)하여 미러 라인이 릴리스를 따라잡았다. dev(메인 작업 라인 적응)는 이전에 09-24에 멈춰 있었다. 10-16에 dev가 업스트림 main을 머지(Merge branch 'main' ... into dev)하고 [fix bug][MetaXGPU]의 xfail 케이스 한 건을 수정했다. 해당 건(10-16 12:35)은 10-16 데일리 리포트 마감 시점 이후로, 이번 주 보충 검사를 통해 추가 기록되었다. 오픈 PR은 16건으로 안정적이다.

무어 스레드(MUSA)와 Sunrise: 전 주 침묵과 의존성 업그레이드

  • 무어 스레드는 09-30 이후 전 주 동안 푸시가 없고 오픈 PR 6건으로, 네 개 국산 백엔드 중 유일하게 v0.1.15에 정렬되지 않은 곳이다. v0.1.15+musa.1이 여전히 최신 릴리스(09-30)이다.
  • Sunrise(S2/S3의 TANG 백엔드 저장소)는 10-12에 Dependabot CI 의존성 업그레이드 두 건(#7, #8)만 리뷰 중이고 오픈 PR 3건으로, 코드 측면의 동향은 없다.

4. 생태계와 채택 측

TileOPs: 52건 머지의 한 주 — 리팩터링 확정, MoE 마무리, 전체 연산자 일별 순위 갱신

  • 거버넌스: Op 기본 클래스 리팩터링 #2520(10-11 병합, 363개 파일, +3362/-5227)이 “행동 우선, 기계적 이름 변경 후행” 방식의 10개 커밋으로 완료되었다. 컴파일 경계가 있는 연산자와 없는 연산자가 통일되게 _run_call을 사용하고, 실패 시 해당 호출이 대상 선택 여부에 따라 롤백을 결정하며, 하위 연산자가 어떤 delegate_for 단계에도 속하지 않으면 복합 호출 전체가 실패하고, _validate_dtypes가 제거되며, key_for가 두 선택 진입점을 병합하고, 컴파일 경계가 manifest에서 도출되도록 변경되었다. 문서 사이트는 다음 날 《Op 기본 클래스 가이드》(#69)를 병합하여 코드와 문서가 동시에 공개되었다.
  • MoE 이중 확정: masked FP8 그룹 GEMM #2521(20개 파일, +1788/-37, #2388 종료)이 FP8 e4m3, 1x128 / 128x128 블록 스케일, bf16 출력으로 deep_gemm masked 시맨틱에 정렬되었으며, 커널은 TMA producer warp와 두 개의 WGMMA consumer warpgroup으로 구성된 영속 그리드로, 빈 타일은 CTA를 점유하지 않고 각 가중치 타일은 HBM에서 한 번만 읽는다. 매니페스트는 masked 레이아웃으로 좁혀지고 14행 부하(E=8 두 행과 EP=8 디코딩 열두 행, DeepSeek-V3, Qwen3-235B-A22B, Kimi-K2 커버, batch 64 / 256)가 구성되었으며, moe.masked_routed_metadata 생성기가 추가되어 전문가 불균형을 시뮬레이션한다(DeepSeek-V3 b64 빈 4/32, Kimi-K2 b64 빈 13/48). DeepSeek 그룹 top-k #2535(15개 파일, +1193/-69, #2268 종료)가 num_expert_group / topk_group / routed_scaling_factor를 보완하고 vLLM grouped_topk에 정렬했으며, T=512일 때 기본 TOKENS_PER_BLOCK이 32/132 SM만 점유하는 스케줄링 문제도 수정했다. 마무리 리팩터링 #2551이 전용 TightRow 커널을 삭제하고 레이아웃 커버리지를 SM80 / SM86으로 확장했다.
  • SM89 두 번째 플랫폼으로: 10-12 세 건(D256 dense GQA 디코딩 #2529, dense GQA 프리필 #2528, GDN / DeltaNet 프리필 #2527, 21건의 “실패 비분배” 통과 전환), 10-13 네 건(GLA 역방향 #2546: 공유 메모리 114688→81920바이트; DeltaNet 역방향 #2547: 147968→98816; KDA 융합 프리필 #2548: 256 스레드 할당 182528→101120; 컴팩트 행별 그룹 GEMM #2549), 그리고 GQA split log-sum-exp의 FP32 누산 전환(#2550, bf16 큰 점수에서 split 혼합 최대 편차 0.23, autotune은 실제 시작 프로그램 기준 타이밍으로 변경)과 D=256 디코딩의 SM80/SM90 확장(#2563)이 이루어졌다.
  • 어텐션 패밀리 마무리: 10-15 세 건이 같은 날 병합되었다—varlen GQA 집결 및 파이프라인 슬라이딩 윈도우(#2537, FP32 헤드별 sinks가 varlen 부분 커버), 페이징 GQA의 읽기 전용 RoPE / 양방향 슬라이딩 윈도우 / 헤드별 sinks(#2516), 페이징 KV 쓰기 연산자 PagedKVCacheWriteFwdOp(#2539, 호출자 슬롯 기준 제자리 산란, -1 슬롯 건너뛰기, FP8 독립 K/V 스케일, NaN 및 오버플로 포화 시맨틱 유지, FlashInfer 및 vLLM 대조 검수). 이전 10-12에는 MLA 디코딩 SM89(4.6배 / 7.2배), MLA 튜닝 분할 확장(후보 24→40, 콜드 튜닝 348.6 s→151.6 s), WGMMA 디스크립터 lane 0 브로드캐스트(26행 벤치마크 0.7%~4.1% 빠름), KDA 프리필, NSA top-k 비트 정렬, 페이징 GQA TMA 특화 커널(H200에서 인계된 네 행이 원래의 0.44~0.88배로 감소)이 병합되었다.
  • foundry 성능 배치가 일일 업데이트 리듬으로 진입: 10-13 여덟 건 병합 및 여덟 건 신규 오픈, 10-14 열한 건 마무리, 10-15 세 건, 대표적 데이터—softmax 레지스터 상주 _held_row 및 warp shuffle 폴딩([#2570](https://github.com/tile-ai/TileOPs/p

ull/2570): 39/42 라인에서 1.1%~78.1% 앞서며, lm-head 두 라인만 0.909x/0.934x로 뒤처짐); TMA가 N이 8의 배수가 아닌 출력을 주소 지정할 수 없을 때 라인별 warp별 저장(#2566: 294.7→23.2 마이크로초, 12.7배, cublaslt-best보다 7.5배 빠름); GELU erf 체인 5개 명령어 단축(#2557: 1.125x), SiluAndMul 16비트 게이트 고속 나눗셈(#2565: 1.074x, torch-compile 비율 0.945x에서 플러스로 전환), 그룹 GEMM 블록 마무리 교대 staging(#2582: 4개 라인 MoE 부하 모두 quack 앞서며, fwd 1.015x / dgrad 1.012x / wgrad 1.033x), W4A16 가중치 선행 로드(#2586: decode-long-k가 marlin-fp16의 1.047배 도달, 8개 라인 타일 각각 2.5%~7.6% 가속), sigmoid IEEE 나눗셈 면제(#2588: 1.020x~1.042x, 테스트 노드 +2). 풀링, 정규화, 리덕션, RoPE도 함께 전개(MaxPool1d/3d, AvgPool3d, RMSNorm 너비별 라인 분할, InstanceNorm 최대 2048 요소 전체 벡터 라인, any/all 문자별 테스트, 그룹 타일 카운트 warp 스캔: 4096 그룹이 32 스레드에서 152가 아닌 62 레지스터).

  • 선형 어텐션 수정: KDA 프리필 역행렬 안정화(#2584, 관련 키에서 main이 6개 chunk와 2개 fused 케이스에서 NaN 포함 실패, 16라인 대각 블록 FP32 솔버로 변경하고 공유 버퍼 재사용), GLA 역방향 메모리 재사용(#2569, 131072→98304 바이트로 SM89 상한 내 진입, PR은 가속을 주장하지 않음을 명시), GLA 프리필 상태 건너뛰기(#2540, 전체 FP32 초기 상태 텐서의 할당과 읽기 제거), 단일 타일 디코드 상태 로드로 TMA 중단 회피(#2538), MoE 전문가 검색 건너뛰기(#2575), permute-align 경계 축소(#2559).
  • 큐: 오픈 PR 9(10-12) → 19(10-13) → 26(10-14) → 17(10-15) → 16(10-16), 일주일 내에 먼저 증가 후 감소, 머지 속도와 심사 중 두께가 교대로 주도.

TileOPs 야간 파이프라인: 6개 스냅샷, 정확성 1032 → 1134

  • 10-12 03:40 — 스냅샷 fc2a2a91(기준 70cfdf84): 정확성 1032 항목, 벤치마크 1947 항목(52 스위트), 실패 0 오류 0, 1 항목 건너뜀
  • 10-13 03:53 — 스냅샷 4cd9f968(기준 6ec0d086): 정확성 1042 항목, 벤치마크 1947 항목(52 스위트), 실패 0 오류 0, 1 항목 건너뜀
  • 10-14 04:18 — 스냅샷 76e8cac2(기준 a79a21e4): 정확성 1064 항목, 벤치마크 1966 항목(53 스위트), 실패 0 오류 0, 1 항목 건너뜀
  • 10-15 05:15 — 스냅샷 56c2ab6b(기준 35a25677): 정확성 1105 항목, 벤치마크 1970 항목(53 스위트), 실패 0 오류 0, 1 항목 건너뜀
  • 10-16 11:35 — 스냅샷 d6ab1d14(기준 cb15bce7): 정확성 1129 항목, 벤치마크 1982 항목(54 스위트), 실패 0 오류 0, 1 항목 건너뜀

  • 10-17 04:13 — 스냅샷 d44ab6d3(기준 67250e81): 정확성 1134 항목, 벤치마크 1989 항목(55 스위트), 실패 0 오류 0, 1 항목 건너뜀

  • 주간 순증: 정확성 +102건, 벤치마크 +42건, 스위트 +3건, 6개 스냅샷 각각 건너뛰기 1건(H200에서 적용되지 않는 SM89 튜닝 케이스, 지원되지 않는 KDA 구성 등), 실패 및 오류 없음. 평가 환경 H200, CUDA 13.2, torch 2.13.0+cu132, tilelang 0.1.12, 최신 스냅샷 내 tileops 버전 0.0.1.dev1338+g67250e817.
  • 머지된 동일 시점 관계: 10-13의 +10은 SM89 시리즈, 10-14의 +22는 MoE와 SM89 역방향/프리필, 10-15의 +41은 TileOPs 16건 머지(성능 배치는 일반적으로 test-node 증분 항목 동반)에 대응 — “한 건 머지될 때마다 기반이 한 단계 상승”하는 롤링 집계가 주 전체에 걸쳐 이어짐.
  • 설명이 필요한 모니터링 기간 차이: 10-16 데일리 리포트 생성 시 10-15 야간 스냅샷이 보이지 않았으며, 실제 해당 스냅샷은 10-16 11:35(베이징 시간, 데일리 리포트 07:00 마감 시점보다 늦음)에 반영되었고, 이번 주에 추가 기록됨. 표 끝의 10-17 04:13 스냅샷 하나는 10-16 야간 실행 산출물로, 10-16 당일의 두 번째 스냅샷에 해당.

TileFoundry: 10건 머지 — 희소 디코딩에서 납품 가능한 엔지니어링 형태로

  • 희소 디코딩 TIR 관통(#223, 10-12 병합, 84개 파일, +4424/-1543): #218의 DSA 디코딩 잔여 문제를 이어받아 손실된 루프 작업량, 과도한 조회 청구 및 단계적 업데이트 오류를 수정하고, 인덱스 기반 비동기 수집, Bitcast 및 Where 하향을 구현했습니다. 할당 제약은 단일 접근자(Storage 반환)로 변경되었고, 캡처 업데이트는 tile(16B 공유 메모리)에 직접 기록되며, 매개변수 초기화의 전달 값은 독립 저장소와 사전 복사를 얻습니다. 16개 FixtureCase 가드는 각각 CLI 호출과 출력 검사를 포함합니다.
  • Qwen3.8-27B 프리필(#229, 10-13 병합, 89개 파일, +38069): 64층 gated-delta-net / attention 하이브리드 텍스트 프리필로, 1024 / 4096 / 8192 세 길이 모두에서 SGLang보다 빠릅니다. 8192에서 스코어링은 FLOP의 3.1%만 차지하고 나머지는 GEMM으로, FLOP 제한 상태이며 절약할 트래픽이 없어 예제에서는 analyze --roofline을 의사결정 입력으로 사용합니다. 경계: SGLang 베이스라인은 수동으로 주어졌으며, 두 열의 기준이 8192에서 9.1% 차이가 나므로 예제에서 열 선택을 논증해야 합니다. 이전에 해당 저장소 예제는 모두 디코딩이었고 SGLang의 일부에 불과했습니다.
  • 리팩터링과 계약: 인스턴스 슬롯 리팩터링(#232, 10-15 병합)은 모듈 하위 노드를 명시적 공유 인스턴스 슬롯으로 변경하고(중복 레이어는 정의를 공유하며 독립 리소스와 인스턴스 정체성 유지), 배치 주소는 SSA 리프별로 공유되며 활성 구간은 정의별로 캐시되고 호출 지점에서 변환됩니다. 기존 인라인 메커니즘과 Program을 삭제했으며, 전체 소스 1674 통과 / 11 스킵. lowering 및 printer 계약(#233, 10-15)은 작성자 영역, 저장 정의, 업데이트 창 및 단계적 소유권을 유지하고, 명령어 허용은 추론, 후보 생성, lowering 및 TIR 검증 간에 공유됩니다. 10-16에 analysis 접근 컨텍스트(#238)와 issue 237의 할당/lowering 수정(#241)이 추가되었습니다.
  • 엔지니어링 진입점: scaffold 독립 프로젝트(#227, 10-13 병합, 47개 파일, +1356/-368)는 Target codegen에 따라 편집 가능한 독립 CMake 프로젝트(매개변수 뷰, 특수화 디스패치, 런처, 호스트 등록 및 자리 표시자 CUDA 본문)를 생성하며, codegen 산출물과 링크는 6개 모듈 파일로 분리됩니다. schedule CLI 강화(#231, 10-14 병합)는 명령어 매처를 통일하고 tf.empty를 추가하며 schedule finalize --dim을 추가했고, 전체 소스 1617 통과 / 11 스킵을 동결했습니다.
  • 릴리스 및 심사 중: 릴리스 페이지는 여전히 v0.0.2(09-10)이며 주간 신규 버전은 없습니다. 열린 PR 1→2→1→3→2. 외부 감사 측면에서 서드파티 tilelang-cuda-skills는 10-15에 TileFoundry를 서브모듈로 vendor하고(main과 cutlass 커밋 고정), compile() 경로를 실험적이라고 공개 표시하며 4개의 emitter 버그(Cast 발사, fill 텐서 접미사, tensor_view 좌표 등)와 2개의 런타임 버그(reduce-workspace 마무리, warps_per_group 디스패치)를 나열했습니다. 또한 누락된 host TMA tensor-map emitter를 지적하고 지원 경로(HIR 생성, check / analyze, schedule finalize, TileLang 커널)를 구분했습니다.

TileSight, TileRT 및 채택사

  • TileSight: 10-13에 dev 브랜치를 생성하고 브랜치 수준 푸시가 발생했으며, 공개 브랜치에는 main과 tilelang(후자는 TileLang 프런트엔드 커밋 포함)이 있고 릴리스 내용은 없으며 열린 PR은 0건이다. 09-23에 오픈소스화된 타일 중심 성능 모델로서 이번 주는 브랜치 정리 기간에 해당한다.
  • TileRT: 주중 푸시 없음(최근 09-24), 릴리스 페이지는 여전히 v0.1.5.post2(08-06)이며, 이번 주 릴리스 PR 없음, benchmark 문서 업데이트 없음.
  • TileKernels: v2.1.0이 10-14에 머지되었으며(상세는 주요 뉴스 참조), 10-14 이후 본 보고서 작성 시점까지 신규 푸시가 없고 열린 PR 수가 감소했다. 버전 요구사항(TileLang 0.1.15 / PyTorch 2.13 / Ascend 950 / CANN 9.2.0)은 이를 “0.1.15 베이스라인”의 첫 번째 다운스트림 하드 제약으로 만든다.
  • FlashQLA: sm120 수정(#48, 10-14)으로 block_DV=64가 복원되고 aggregate_card_state가 보완되었으며, RTX 5090 + tilelang 0.1.15 + CUDA 13.0에서 전체 테스트 통과. PR에서 향후 노드 내 / 노드 간 컨텍스트 병렬 탐색을 제안했다.

5. 커뮤니티, 튜토리얼 및 활동

PTO-ISA: tilelangGym 신규 저장소와 SuperNPUBench의 릴리스 리듬

  • tilelangGym이 10-14에 생성되었으며, “다양한 benchmark / microbenchmark의 PTO lowering과 성능 민감도 테스트”를 표방한다. 10-15의 일곱 건(06:47~07:59)으로 독립 SimtVF 표준 테스트 스위트가 형성되었다: SV / CF / SP 및 PTO-DSL의 시드 커밋과 버전 pins, 회귀(#1), 스크립트와 레이아웃 정리, SV1 SIMD keynote와 단일 PASS 표(#3), remat 버텍스 전체 PASS 표와 행별 Simt 대 SIMD-DSL 대조(#4), 그리고 SIMD 약 85%와 Simt IPC / bubble / ILP 분석을 ANALYSIS에 링크—PTO lowering의 성능 민감도 분석을 위한 데이터 플랫폼을 구축했다.
  • SuperNPUBench는 주중 고빈도: 10-12에 네 건의 커밋(rms_norm 16 KiB 타일 분해 R=8192 리덕션, gfsim RES_CHECK 파일 IO 락스텝 안전, matmul_test 4-PE 단순화, #225 머지)과 두 건의 릴리스(ops-20261012, ops-20261013, 후자는 suite별로 2개 소패키지 분할, 전체 컴파일 산출 ELF 포함); 10-13에 ops-20261013.2 릴리스 및 matmul_test CUBE TCVT 직결, topk 이식 가능 gfsim fixture 추진; 10-14에 세 건 아카이브(rms_norm_dynamic_simt_32k, group_norm_grad 정적 커널 V0 편입, matmul reuseB 커널); 10-15에 그룹 정규화 역방향 단일 패스 리덕션과 gamma/beta 균형(#245).
  • tilelang-puzzles-ascend의 simt_compare 브랜치는 주중 계속 진행: T.reduce_max가 직렬 스캔 대비 실측 8.94배 빠르며, 12개 커널이 T.reduce_absmax로 전환되어 재측정되었다.

서드파티 도구와 자료: 목록 저장소에서 외부 감사까지

  • tilelang-debugger: 10-10에 두 건(통합 소스 접근 캡처 + 링크 증거 포함 오프라인 HTML 디버그 리포트), TileLang 0.1.12와 0.1.15에서 각각 117개 CPU / TIR 테스트 실행, H200에서 42회 수집과 66쌍 베이스라인 / 계측 실행; 이번 주(10-12 이후) 신규 푸시 없음.
  • easy-tilelang 튜토리얼 저장소: 10-13에 “adapt tilelang new ascend” 푸시, Ascend A5의 lower-trace 컴파일 관찰 등 항목 포함; 10-14 이후 조용.
  • TileMC(manycore 아키텍처 대상 서드파티 타깃): 10-14에 한 건, FP32 지원 확장, panel 매핑과 워크로드 스케일링.
  • BM1690 파이프라인 저장소(Sophgo TPU): 10-14에 열여덟 건, 10-15에 여섯 건의 보드 레벨 로그—Matmul / RMSNorm 보드 레벨 스모크, Split-K 보드 레벨 결과, RoPE 연동 디버깅과 부팅 타임아웃 진단, 드라이버 재초기화와 종료 시맨틱, 7.0.0-34 커널 호스트 빌드 등, 개인 실험 저장소의 연동 기록에 해당.
  • SwHwCodesign 자료 라인 미형성: 10-11에 생성된 TileLang-Awesome은 10-12에 이미 접근 불가(404, 동명 신규 저장소 검색 결과 없음), 동일 계정에서 AI-* 플레이스홀더 저장소 여섯 개를 별도 생성, 10-14까지 공개 저장소는 2개(AI-Compiler, AI-Infra)만 남았고 푸시 없음.
  • tilelang-cuda-skills: 10-15에 TileFoundry에 대한 첫 외부 감사(내용은 4장 참조), “툴체인이 실제로 사용된” 첫 공개 사례이다.

미디어와 학술: 보도 물결 이후의 지속적인 정적

  • 10-10부터 10-11까지의 중국어 심층 해설(ZhiWei, Fengwen과 Zhihu 두 판본)은 TileLang을 서사의 핵심으로 삼아 Tile 추상화, 세 단계 프로그래밍 인터페이스와 자동 튜닝 캐시 메커니즘을 설명하고, Ascend 적응이 Ascend C와 대비해 「성능이 거의 차이 없음(A2 / A3)」이라는 비교를 제시했다. 10-11의 해외 집계 기사(tech-insider)는 인용 성격으로, 독립 출처가 아니다.
  • 10-12부터 연속 네 개 모니터링 기간 동안 Google News의 중국어·영어 여러 쿼리에서 신규 항목이 전혀 없었고, Hacker News에는 관련 항목이 없었으며, arXiv에는 새 프리프린트가 없었다(가장 최근 논문은 여전히 07-24의 TileSight 성능 모델 논문). 미디어 측은 09-29부터 10-11까지의 보도 물결 이후 정적기에 들어섰고, 이번 주 본문 내용은 전부 GitHub 조직 동향에서 나왔다.

6. 트렌드 관찰

  • 릴리스 정적기의 「정적 준비」가 네 방향에서 동시에 완료됨: TileOPs의 Op 기본 클래스 리팩터링은 스스로 릴리스 전 마무리라고 칭했고, 야간 기반의 여섯 스냅샷은 무실패로 증가했으며, TileFoundry의 예시는 디코딩에서 프리필 전 길이 초월로 확장되었고, 멀티 백엔드 v0.1.15는 정렬되었다 — 메인 저장소는 09-30 이후 16일째 태그가 없지만, 다음 버전의 정적 준비는 이번 주에 기본적으로 갖춰졌다. 릴리스 여부는 내용이 아니라 리뷰 게이트에 달려 있다.
  • 멀티 백엔드가 「버전 정렬」에서 「동일 시맨틱 마무리」로 이동: Hygon은 v0.1.15 전량 업그레이드를 완료하고 별도로 v0.1.12 유지보수 라인을 세웠으며, MetaX는 미러링을 따라잡은 후 dev 합류로 전환했고, Ascend는 문서 사실 검증, 캐시 시맨틱과 실기 검증(#1900)에 중심을 두었으며, Moore Threads는 유일한 공백이다. 네 곳의 격차는 이미 「백엔드가 있느냐」에서 「시맨틱이 일치하느냐」로 바뀌었다.
  • ROCm이 새 모델 릴리스와 동기화되는 두 번째 라인이 됨: 연속 나흘 동안 DeepSeek NSA, mHC, KDA와 GLM-5.3 관련 커널이 착지했고, 기술 부채는 장치 예산(웨이브프런트 64 lane, MFMA 입력 타입, LDS/VGPR 상한)에 따라 건별로 청산되었다. SM121 / SM89의 다세대 동시 수정 합류 이후, 백엔드 토폴로지는 「NVIDIA 우선」에서 「다중 장치 동시 유지보수」로 전환되었다.
  • TileOPs의 성능 엔지니어링이 「핵심 연산자 집중 공략」에서 「전 연산자 일일 순위 경신」으로 전환: 하루 8~11건, 각 건에 외부 대조(torch-compile / cuBLASLt / quack / FlashInfer / FLA)를 붙였고, 잔여 격차는 공개적으로 PR에 기록되었다(lm-head 두 줄 0.909x, GLA 역방향은 가속을 명시적으로 주장하지 않음) — 「뒤짐」을 정량화하고 기록으로 남기는 것이 단일 지점 속도 향상보다 엔지니어링 규율을 더 잘 보여준다.
  • Ascend의 거버넌스 기준이 「전부 통과」에서 「단언 정밀화」로 전환: 세 건의 문서 검증이 저우선순위 케이스의 예외 정규식 불일치로 인해 통째로 롤백된 뒤 삭제·축소 후 재작업되었고, 이는 PR 단계에서 low_priority를 실행하지 않고 매일 전량으로 보완하는 2단계 CI 구조를 드러냈다. 이런 롤백은 퇴보가 아니라 「예상된 실패」를 기술 부채 청산의 신호로 삼는 것이다.
  • TileFoundry가 컴파일러 도구에서 납품 가능한 제품 형태로 전환: scaffold 독립 프로젝트, 인스턴스 슬롯과 lowering 계약, 크로스 스파인 프리필 예시 논증, 리팩터링 착지와 같은 모니터링 기간에 즉시 제3자 vendor가 병렬로 나열하고 결함 대장을 공개했다 — 제품화의 전형적 궤적은 「기반 리팩터링 이후, 인터페이스 계약 수렴과 결함 공개화」다. 다음 호에서는 이 emitter / 런타임 결함들이 흡수되는지 추적해야 한다.
  • 다음 호 관심 지점: 메인 저장소 v0.1.16 릴리스 여부(16일째 정적); SM120 블록 스케일링 MMA 두 라인(#3495 / #3099)의 합입 가능성; cumsum warp 특화 수정(#3536)과 PTO 계열 일곱 건의 진척; Ascend #1900의 두 건 커밋과 A5 실기 검증 일정; Hygon 분산 IPC에서 첫 합입 멀티 카드 PR이 나타나는지; TileOPs에 릴리스 파이프라인 정리류 커밋이 나타났으며(주말) 이것이 첫 정식 버전을 이끌어낼지; TileFoundry의 외부 결함 목록이 흡수되는지.

부록: 자료와 검증 설명

  • 자료: 본 간행물의 일일 TileLang 동향 데일리 리포트 5회분(10-12~10-16), 대응 수집 기간 10-10 07:00부터 10-16 07:00까지(베이징 시간); 주기 내 10-16 주간 및 10-16 야간(베이징 시간 10-17 새벽)의 동향은 168시간 모니터링 기간 보충 확인 후 본 보고서에 포함; 10-17(토요일) 당일의 조직 동향은 다음 주 월요일 데일리 리포트에 병합.
  • 보충 확인(168시간 모니터링 기간, 본 보고서 작성 시점 기준): tile-ai 조직의 29개 저장소 중 모니터링 기간 내 12개에 푸시 발생(tilelang, TileOPs, TileFoundry, tilelang-ascend, tilelang-hygon, tilelang-metax, tilelang-mlir-ascend, TileSight, TileOPs-nightly, tilelang.github.io, TileOPs.github.io, tilelang-sunrise); PR 병합 및 신규 생성 수는 10-12부터 10-16까지 베이징 시간 기간으로 검색 실측; 야간 파이프라인 6개 스냅샷의 test_results.xml과 bench_results.xml을 각각 재계산(테스트 케이스, 실패, 오류, 건너뜀, 스위트 수).
  • 기준과 경계: 성능 데이터는 모두 PR 설명 또는 릴리스 노트의 자체 기술(H100, H200, B300, RTX 5090, RTX 6000 Ada 등)이며, 본 간행물은 해당 하드웨어가 없고 독립 재현을 수행하지 않음; 야간 스냅샷은 단일 파이프라인 기록이며 횡적 평가가 아님; 릴리스 시점은 각 저장소의 태그와 릴리스 페이지 재확인을 기준으로 하며, 적응 저장소의 릴리스 페이지와 브랜치 진행에는 지연이 있을 수 있음; TileKernels의 어센드 성능은 자체 README 선언에 의한 것이며 제3자 평가가 아님.
  • 다음 주기 제안: 2026-10-19 ~ 2026-10-23.

출처 확인표

출처 확인 결과
tile-ai 조직(29개 저장소) 168시간 모니터링 기간 내 12개 저장소에 푸시 발생; 이번 주 PR 병합 109건, 신규 생성 158건; 현재 오픈 PR 532건
메인 저장소 tilelang 이번 주 병합 30건; 오픈 PR 170→168→161→160→165; 릴리스 페이지와 태그는 주 전체 신규 없음(최신 v0.1.15, 09-30)
TileOPs 이번 주 병합 52건; 오픈 PR 9→19→26→17→16; Op 기반 클래스 리팩터링, MoE 이중 연산자, 어텐션 삼연속, foundry 성능 배치가 같은 주에 반영
TileOPs-nightly 6개 스냅샷, 정확성 1032→1134, 벤치마크 1947→1989(52→55 스위트), 전부 실패 0건 오류 0건
TileFoundry 이번 주 병합 10건(#223, #221, #227, #229, #231, #232, #233, #236, #238, #241); 오픈 PR 1→2→1→3→2; 릴리스는 여전히 v0.0.2(09-10)
어센드(ascend / mlir-ascend) ascend: 병합 8건(#1701, #1730, #1612, #1676, #1681, #1888~#1890); 오픈 PR 230→237. mlir-ascend: 병합 2건(#190, #202); 오픈 PR 32건
하이광 / 메타엑스 / 무어 스레드 하이광: 병합 3건(#20, #21, #22), #19와 distributed 브랜치 심사/진행 중; 메타엑스: 병합 2건(main 미러와 dev 합류); 무어 스레드: 09-30 이후 활동 없음, 오픈 PR 6건
Sunrise Dependabot CI 의존성 업그레이드 2건만 심사 중(#7, #8); 오픈 PR 3건
채택처(TileKernels / FlashQLA) TileKernels v2.1.0(#38)과 FlashQLA sm120 수정(#48) 모두 10-14에 병합; 10-14 이후 신규 푸시 없음
TileSight / TileRT TileSight 10-13 dev 브랜치 생성 및 푸시, 릴리스 없음; TileRT 주 전체 푸시 없음(최근 09-24)
PTO-ISA와 커뮤니티 제3자 tilelangGym 신규 저장소(10-14)와 SimtVF 스위트 7건; SuperNPUBench 릴리스 2건 및 다수 아카이브; BM1690 보드 레벨 로그 24건; tilelang-cuda-skills 외부 감사 1건; TileMC 1건; easy-tilelang 1건; tilelang-debugger와 SwHwCodesign은 모니터링 기간 내 푸시 없음
미디어와 학술 Google News 10-12 이후 연속 4개 기간 신규 없음; Hacker News 관련 항목 없음; arXiv 신규 프리프린트 없음

주요 인용

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

데이터 출처: 일일 TileLang 동향 데일리 리포트(2026-10-12~2026-10-16 총 5회) 및 이번 주기 실측 검증; 보고 주기는 2026년 10월 12일부터 10월 16일까지입니다.