Окно мониторинга: 2026-11-11 07:00 ~ 2026-11-12 07:00 (пекинское время, 24 часа; точка отсечения предыдущего периода — 11-11 07:00).

Источники: порепозиторная проверка организации GitHub tile-ai (30 репозиториев, 7 с пушами в окне, из них 2 — автоматические пушы сайта документации) + поиск истинных значений по мержам и находящимся на рассмотрении на уровне организации (6 мержей в окне, 57 обновлений на рассмотрении, 35 новых issue) + поштучная проверка коммитов в основной ветке (tilelang 3, TileOPs 0, tilelang-hygon 0, mlir-ascend 1) + проверка неосновных веток (hygon distributed, mlir-ascend master) + проверка страниц релизов (tilelang / TileOPs, новых версий в окне нет) + два репозитория сторонней линии RISC-V (TileLang–Weft и его эталонный репозиторий) + запросы Google News на китайском и английском + Hacker News + arXiv. Специальный обход четырёх источников RISC-V за 24 часа без изменений.


Индекс выпуска

  • Главное за сегодня: все три мержа основной линии — в Ascend, цель PTO делает tvm_ffi исполнительным бэкендом по умолчанию; три компонента распределённой линейки Hygon смержены в ветку distributed; по фронтенду Ascend за день на ревью выявлено 30 issue

    1. Прогресс ключевых проектов
      • 1.1 Ascend: исполнительный бэкенд по умолчанию цели PTO переключён на tvm_ffi, целый модуль компилируется и кешируется на этапе сборки устройства (11-11)
      • 1.2 Ascend: AutoSchedule ужесточает нижнюю границу периода тремя необходимыми условиями, время решения Z3 снижено на 10,04% (11-11)
      • 1.3 Ascend: целочисленные атомарные операции адаптированы к signless-носителю, 12 тестов PTO покрывают 32-бит и 64-бит (11-11)
      • 1.4 Основная линия: все три мержа окна — в Ascend, стороны CUDA и CPU целиком в очереди на рассмотрении, версия по-прежнему v0.1.15 (11-11)
      • 1.5 TIRx: два изменения на рассмотрении — ceildiv и split div/mod для отрицательного scale, тот же корень, что и ошибка вложенного floor division (11-11)
    1. Адаптация под несколько бэкендов
      • 2.1 Hygon: три компонента распределённой линейки смержены в ветку distributed, два пути коммуникации — Block-Push и Block-Pull (11-11)
      • 2.2 Hygon: Alt2 для ds_read_vector и вывод раскладки LDS открыты для ревью (11-11)
      • 2.3 mlir-ascend: CI сведён к единому PR-гейту Ascend 950 AscendC (11-11)
      • 2.4 mlir-ascend: укрепление базы знаний harness смержено, tl.or повторно отправлен на ревью под новым номером (11-11)
      • 2.5 Репозиторий Ascend AscendC: десять изменений на рассмотрении, включая три компонента Gated MLA и fla_chunk, мержей по-прежнему ноль (11-11)
      • 2.6 CUDA и Metal: исправление выхода за границы SIMD-group, 256-битная векторизация, разделяемая транспозиция SM90 на рассмотрении (11-11)
  • 2·5. Бэкенд RISC-V и сообщество (специальное наблюдение)
    • 2.7 Обход четырёх источников: пятое окно подряд без изменений, линии TVM и MLIR по-прежнему на прежних ссылках (11-12)
    • 2.8 Вне четырёх источников: TileLang–Weft выпустил weft-parity, 553/553 укладываются в 1,03× от Triton (11-11)
    1. Экосистема и пользователи
      • 3.1 TileOPs: ноль коммитов в основной линии, наложение двух изменений W4A16 снижает chunked-prefill-tile с 37,3 до 31,6 микросекунды (11-11)
      • 3.2 TileOPs: FP8 grouped GEMM для DeepSeek-V3 prefill переводит A scale на TMA (11-11)
      • 3.3 TileOPs: softmax с двумя CTA cluster достигает цели, изменение селектора long-K NT GEMM цели не достигает (11-11)
      • 3.4 TileOPs nightly: wiki Perf Tracker обновлён в тот день в 19:52 (11-11)
    1. Сообщество, руководства и мероприятия
      • 4.1 Систематический аудит фронтенда Ascend: 30 issue за день, 26 напрямую указывают на Ascend (11-11)
      • 4.2 Исправления на рассмотрении в резонансе с аудитом: проверка VMI mask, восстановление SIMD fill, копирование E4M3 ND/NZ (11-11)
      • 4.3 Новостная сторона: пять групп запросов на китайском и английском дали ноль попаданий в окне, в HN и arXiv релевантных записей также нет (11-11)
      • 4.4 Уточнение методики: в старых артефактах Triton для двух сопоставлений Q1 в K3 происходит переполнение при отрицании -128 (11-11)
    1. Наблюдения за трендами

Главное за сегодня

В этом окне в организации было всего 6 слияний, что на треть меньше, чем 9 в предыдущем периоде, но структура важнее цифр: 3 из 6 — в основном репозитории, и все они относятся к Ascend, ни одного для CUDA или CPU. Самое крупное — #3516 (20 файлов, +1549/−182), которое делает tvm_ffi бэкендом выполнения по умолчанию для цели pto — ранее target="pto" использовал Cython-запускатель, теперь execution_backend="auto" напрямую разрешается в tvm_ffi, общий host codegen генерирует MakePackedAPI и C host, а среда выполнения Ascend запускает aibin, скомпилированный PTODSL, через aclrtLaunchKernelWithHostArgs, тем же путём, что и ядра AscendC. В комплекте — модульный колбэк инструментальной цепочки: весь модуль PTODSL компилируется за один проход на этапе device build (ptodsl → ptoas → bisheng fatobj-link → извлечение .aicore_binary), результат кэшируется по ключу из параметров ptoas, версии ptoas и идентичности CANN. Старый путь сохранён как execution_backend="pto", оба варианта выдают побитово идентичный результат.

Второе — #3776, ужесточение на стороне решателя. AutoSchedule изначально запускал бисекцию с фиксированной нижней границей периода; теперь берётся максимум из трёх необходимых условий: граница одиночной задачи использует максимум интервалов запуска задач; граница ресурсной группы для попарно конфликтующих задач сортирует задачи по остаточным значениям и выводит из соседних разностей и разностей первого и последнего, что период не меньше суммы интервалов запуска; граница самозависимости из S_u - S_u >= wait - d*P даёт период не меньше ceil(wait/d), а зависимые от версии расстояния пересчитываются через num_stages. Дополнительное зондирование нижней границы не вводилось, модель планирования не менялась. Эмпирическая проверка на недельной сборке Ascend 950PR, CANN 9.3.0: с отключённым кэшем компиляции, чередование одного прогрева и трёх замеров, все примеры Ascend компилируются, результаты планирования не меняются, суммарное время этапа решения Z3 снижается на 10.04%.

Третье — вне основного репозитория. Распределённый набор из трёх компонентов для Hygon #36 (6 файлов, +2022/−0) влит в 16:20 в ветку distributed, а не в main; содержимое — три оператора слияния вычислений и коммуникаций: Block-Push версия GEMM + AllReduce, Block-Push версия GEMM + ReduceScatter и Block-Pull версия AllGather + GEMM, данные о производительности и описание реализации — в README. В тот же день #37 открыл ds_read_vector Alt2 для HCU и вывод раскладки LDS. Эта линия от примера push-wave reduce-scatter от 10-29 дошла до списка операторов слияния — это первый системный подход к распределённым вычислениям в репозитории Hygon.

Четвёртое — всплеск на стороне качества: из 35 новых issue в окне 30 приходятся на основной репозиторий, из них 26 напрямую касаются Ascend. Два аккаунта с послеобеденного времени до глубокой ночи сообщили каждый более десяти штук, характер однотипный — не «выполнилось неправильно», а «должно было выдать ошибку, но молча прошло»: T.Kernel принимает нулевое или отрицательное число блоков, T.alloc_l1 принимает выделение 2 GiB, T.Persistent принимает отрицательные wave и stage, T.unroll принимает −1 и выдаёт #pragma unroll -1, отрицательные размерности тензора просто роняют компилятор. Другая группа — семантические несоответствия: nearest_zero для hf32 компилируется в NEAREST_AWAY, таблица dtype входов GEMM и codegen расходятся в обе стороны, семейство reduce_bitand выдаёт типы, не определённые в шаблоне Ascend, преобразование ND в NZ того же типа зацикливается из-за отсутствия отката при подсчёте маски. Большинство этих issue всё ещё открыты, но в тот же день уже на рассмотрении соответствующие исправления: проверка маски VMI, восстановление SIMD fill и другие.

Источники: https://github.com/tile-ai/tilelang/pull/3516 , https://github.com/tile-ai/tilelang/pull/3776 , https://github.com/tile-ai/tilelang-hygon/pull/36 , https://github.com/tile-ai/tilelang/issues/3920

1. Основные достижения проекта

1.1 Ascend: бэкенд выполнения по умолчанию для цели PTO переключён на tvm_ffi, весь модуль компилируется на этапе device build и кэшируется (#3516)

#3516 (20 файлов, +1549/−182) — самое крупное изменение этого выпуска. Суть — перевод цели pto с «специализированного Cython-запускателя» на «тот же host-путь, что и AscendC»: при target="pto" с execution_backend="auto" разрешается в tvm_ffi, общий host codegen отвечает за MakePackedAPI и сборку C host, а модуль среды выполнения Ascend запускает aibin, скомпилированный PTODSL, через aclrtLaunchKernelWithHostArgs.

На стороне сборки устройства добавлен модульный колбэк инструментальной цепочки, который компилирует весь модуль PTODSL за один раз: вывод фронтенда ptodsl, понижение ptoas, компоновку fatobj в bisheng, а затем извлечение .aicore_binary; продукты кэшируются по aibin. Ключ кэша учитывает параметры ptoas, версию ptoas и идентичность CANN — это критически важно, поскольку ранее, когда такие ключи упускали версию инструментальной цепочки, при обновлении CANN происходило попадание в старые артефакты.

Плоскость валидации охвачена широко, добавлены четыре группы тестов: auto, разрешающийся в tvm_ffi; выделение выхода вызываемой стороной; динамические формы и динамические выходы; многодевайсные ядра; динамическая разделяемая память; смешанный GEMM cube/vector; source accessor; экспортируемая библиотека; циклический запуск на стороне host и интервалы профилирования на стороне host; кроме того, тесты эквивалентности побитово сравнивают результаты tvm_ffi и старого pto на трёх типах ядер: vecadd, многядерных и с динамической разделяемой памятью; две группы тестов кэша покрывают соответственно кэш бинарников и кэш ядер, включая пропуск инструментальной цепочки при попадании в кэш, выброс ошибки при повреждённой записи и попадание в свежем процессе. Старый путь по плану сохранён и будет выведен из эксплуатации после подтверждения покрытия.

Источники: https://github.com/tile-ai/tilelang/pull/3516

1.2 Ascend: AutoSchedule ужесточает нижнюю границу периода тремя необходимыми условиями, время решения Z3 снижается на 10.04% (#3776)

#3776 (1 файл, +20/−1) меняет только начальное значение, не меняя алгоритм: прежняя бисекция стартовала с фиксированной нижней границы, теперь сначала вычисляются три необходимых условия и берётся максимум. Граница отдельной задачи сохраняет жёсткую нижнюю границу интервалов запуска каждой задачи; граница ресурсной клики для клик с попарными конфликтами ресурсов сортирует остаточные значения задач по возрастанию и из суммы ограничения соседних разностей и ограничения разности первого и последнего выводит, что период не меньше суммы интервалов запуска внутри клики, причём сама клика жадным образом перечисляется с каждым заданием в качестве затравки; граница самозависимости выводится обратным решением из S_u - S_u >= wait - d*P, а версионно-зависимое расстояние ограничивается сверху величиной num_stages.

Эмпирическая среда описана очень конкретно: Huawei Ascend 950PR, недельная версия CANN 9.3.0 20261009.01, кэш компиляции отключён, для каждой конфигурации один прогрев и три замера поочерёдно. Результатов два: все примеры Ascend компилируются успешно, и результаты планирования совпадают с прежними (что показывает, что только ужесточена нижняя граница, а решение не изменилось), а суммарное время этапа решения Z3 снижается на 10.04%. Верхняя и нижняя границы бисекции и обработка состояния решения не изменены, дополнительный процесс зондирования нижней границы также не введён.

Ценность такого изменения для upstream не в точечной производительности, а в том, что при росте масштаба оператора время решения планировщика растёт, и растрата на стартовую точку бисекции линейно усиливается — запись необходимых условий в начальное значение равносильна экономии бессмысленного интервала при каждом решении.

Источники: https://github.com/tile-ai/tilelang/pull/3776

1.3 Ascend: целочисленные атомарные операции адаптированы к signless-носителю, 12 тестовых случаев PTO покрывают 32 и 64 бита (#3794)

#3794 (4 файла, +52/−6) исправляет последствия #3512. Тот коммит изменил знаковые целочисленные типы с signless i32/i64 на si32/si64, а атомарный интерфейс PTO требует signless-носителя, из-за чего целочисленные атомарные операции add/min/max в ядрах SIMT просто не компилировались.

Исправление — локальная адаптация на границе генерируемого вызова PTODSL: указатель и операнды переинтерпретируются как signless той же ширины, адресное пространство указателя сохраняется, возвращаемое значение восстанавливается в логический тип; min/max сохраняют исходную семантику знакового или беззнакового сравнения. Так введённая в #3512 система логических типов не опровергается, адаптация сосредоточена только на уровне атомарных операций.

Регрессионные случаи находятся в testing/ascend/language/simtvf в test_simtvf_atomics.py и покрывают 32- и 64-битные add/min/max, отрицательные операнды, возврат старого значения, значения свыше 32 бит, а также беззнаковые начальные значения со старшим битом 1; добавленные 12 случаев PTO полностью проходят на Ascend. В том же пакете слит #3792, исправляющий другую сторону той же проблемы: T.atomic_add/max/min не компилировались на PTO из-за знаковых входов.

Источники: https://github.com/tile-ai/tilelang/pull/3794

1.4 Основная линия: все три слияния в окне приходятся на Ascend, на стороне CUDA и CPU всё в очереди на рассмотрении, версия по-прежнему v0.1.15

Если разложить по направлениям три слияния в окне основного репозитория, вывод прямой: #3516, #3776, #3794 все относятся к Ascend, на стороне CUDA и CPU слияний ноль. В прошлом выпуске в основную ветку вошли три инструкционных примитива CUDA, в этом выпуске — ни одного: не то чтобы сторона CUDA остановилась, просто всё скопилось в очереди на ревью: #3809 (общая транспозиция SM90, спущенная до ldmatrix/stmatrix), #3826 (256-битная векторизация int16x16/uint16x16), #3723 (перенос SIMT im2col до специализации по warp), #3923 (жизнь операндов конвейерного GEMM до ожидания завершения), #3898 (жизненный цикл общих операндов асинхронного GEMM) — все обновлялись в окне, но не слиты.

Релизная сторона по-прежнему зависла. На странице релизов основного репозитория последним остаётся v0.1.15 от 09-30, последовательность тегов не изменилась; PR с номером версии 0.1.16 в окне не обновлялся. На странице релизов TileOPs последним остаётся v0.1.0 от 10-27. То есть вошедшие в этот выпуск 1549 строк изменений бэкенда исполнения Ascend попадут в нижестоящие дистрибутивные пакеты не раньше следующего тега.

Источники: https://github.com/tile-ai/tilelang/releases , https://github.com/tile-ai/tilelang/pull/3809 , https://github.com/tile-ai/tilelang/pull/3826

1.5 TIRx: два патча в рассмотрении — ceildiv и split div/mod при отрицательном scale, тот же корень, что и ошибка вложенного floor division (#93, #94)

На стороне tile-ai/tvm в окне находятся два патча в рассмотрении: #94 ([Fix][TIRx] Make ceildiv exact for signed divisors) и #93 ([Arith] Guard negative scales in canonical split div/mod). Оба исправляют два конца одной и той же проблемы — после того как знак попадает в целочисленное деление и взятие остатка, предпосылка канонического переписывания перестаёт выполняться, поэтому «точность» и «безопасность» приходится обрабатывать раздельно: ceildiv требует, чтобы результат оставался точным при знаковом делителе, а split div/mod должен отклонять канонизацию при отрицательном scale.

Это указывает на то же место, что и открытый в тот же день в основном репозитории #3937 ([BUG] вложенное floor division при отрицательном множителе даёт неверное целое): как только отрицательный коэффициент попадает в цепочку переписывания арифметического упрощения, граничные условия легко упускаются. Разница в том, что #3937 — это воспроизведение со стороны пользователя, а #93/#94 — упреждающее укрепление со стороны компилятора.

Источники: https://github.com/tile-ai/tvm/pull/94 , https://github.com/tile-ai/tvm/pull/93 , https://github.com/tile-ai/tilelang/issues/3937

2. Адаптация под множественные бэкенды

2.1 Hygon: три компонента распределённой работы влиты в ветку distributed, две коммуникационные траектории Block-Push и Block-Pull (#36)

#36 (6 файлов, +2022/−0) в прошлом выпуске ещё был открыт, в этом выпуске в 16:20 влит, точкой попадания является ветка distributed, а не main — последний коммит ветки по умолчанию main этого репозитория по-прежнему от 11-06, поэтому это изменение не появится в списке коммитов ветки по умолчанию, его видно только при запросе по ветке. Различие точек попадания нужно отметить явно: main ссылается на тот же объект, что и v0.1.15-release, а distributed отдельно прошла через signal-примитивы от 11-03, пример push-wave reduce-scatter от 10-29 и три компонента этого выпуска.

Содержание — три оператора: GEMM + AllReduce в версии Block-Push, GEMM + ReduceScatter в версии Block-Push, AllGather + GEMM в версии Block-Pull. Push означает, что вычислительная сторона активно отправляет результат партнёру, Pull — что вычислительная сторона забирает результат allgather у партнёра; выбор траектории зависит от размера коммуникационного домена и окна перекрытия, в README приведены сравнение производительности и способ реализации. На стороне валидации 11-06 уже был добавлен базовый уровень производительности Torch к бенчмарку GEMM reduce-scatter, в этом выпуске он не менялся.

Источники: https://github.com/tile-ai/tilelang-hygon/pull/36

2.2 Hygon: ds_read_vector Alt2 и вывод раскладки LDS открыты в рассмотрении (#37)

В тот же день в 11:21 открыт #37 ([HCU] Support ds_read_vector Alt2 and inferred LDS layouts), направление — дополнить две формы инструкций: вторую форму кодирования ds_read_vector и раскладку LDS, выводимую из ограничений. Это та же линия вывода раскладки, что и влитый 11-06 #34 (оптимизация XOR shuffle для reduction с помощью DPP и lane swap, а также распространение известных ограничений раскладки до свободных кандидатов), разница в том, что #34 обрабатывает обмен каналами на стороне reduction, а #37 — кодирование векторного чтения и реализацию раскладки.

В репозитории Hygon сейчас 15 веток, из них шесть серии feat/hcu-* и одна distributed, что показывает: фронт работ этого бэкенда расширился от одночиповых инструкций до двух крыльев — коммуникаций и раскладки.

Источники: https://github.com/tile-ai/tilelang-hygon/pull/37

2.3 mlir-ascend: CI сведён к единому PR-гейту Ascend 950 AscendC (#222)

#222 (пять файлов workflow, +7/−9) был влит в ветку master в 10:27. Изменение намеренно сделано минимальным: все определения заданий, условия и шаги оставлены без изменений, изменён только блок on: в каждом файле workflow — это область, наименее подверженная параллельному редактированию, поэтому поверхность конфликтов слияния минимальна.

Мотивация изложена прямо: ранее каждый PR разворачивался на всей вышестоящей матрице (собственные NVIDIA, AMD gfx942, macOS, а также ветка Ascend, которая сначала собирает CANN, а затем дважды прогоняет examples/ascend и testing/ascend), тогда как единственный бэкенд, находящийся в разработке на master, — это Ascend 950, остальные ветки в основном создают шум и занимают дефицитное оборудование; бэкендом PTO в текущий период также никто не занимается. После изменения PR-гейт включает только два пункта: линт чистого кода и линию AscendC для Ascend 950.

Смысл этого изменения для нижестоящих потребителей таков: базовой линией допуска репозитория mlir-ascend отныне является только одно поколение оборудования, регрессия на старом поколении Ascend больше не будет условием слияния.

Источники: https://github.com/tile-ai/tilelang-mlir-ascend/pull/222

2.4 mlir-ascend: укрепление базы знаний harness влито, tl.or переотправлен на рассмотрение под новым номером (#219, #225)

#219 (влит в 10:03) — это укрепление ветки harness: продвижение конвейера исполнения и оценки, базы знаний анализа/разработки, а также очереди зависимостей search@2. Это та же серия, что и #217 от 11-10 (сохранение записей знаний и дедупликация номеров одобрения), что показывает: репозиторий относится к «надёжному сохранению знаний, накопленных в процессе исследования» как к настоящей инженерной задаче, а не как к чему-то разбросанному по обсуждениям.

Ещё три предложения появились и ушли в течение окна: #223 (добавление четырёх адресных пространств L0A/L0B/L0C/L1 для tl.alloc, покрывающих 4 из 21 функции, необходимых для FYP) и #224 (диалектный оператор tl.or) были закрыты без слияния, #225 переотправлен на рассмотрение с тем же содержимым и остаётся открытым; путь реализации #225 — дополнить по шаблону add/sub/mul TL_OrOp, verifyElementwiseBinary, преобразование ConvertBinary в hivm::VOrOp, а также диспетчеризацию на стороне codegen, с приложением двух групп тестов: кругового обхода диалекта и TL→HIVM; локальный ctest прошёл 14/14. #220, #221 — две записи со стороны навыков: workflow трассировки симуляции Ascend950 (сбор msprof, просмотр в MindStudio Insight, экспорт npusim SQLite) и руководство по проектированию операторов (декомпозиция этапов, выбор SIMD/SIMT, бюджет памяти, Cube MFU и калькулятор условного Roofline).

Источники: https://github.com/tile-ai/tilelang-mlir-ascend/pull/219 , https://github.com/tile-ai/tilelang-mlir-ascend/pull/225

2.5 Репозиторий Ascend AscendC: Gated MLA и трио fla_chunk и ещё десять на рассмотрении, слияний по-прежнему ноль (11-11)

Репозиторий tilelang-ascend в этом выпуске продолжает «только приём, без выпуска»: из 6 слияний на уровне организации в течение окна ни одно не принадлежит ему, а очередь на рассмотрении стала ещё толще — за день обновлено более десяти записей. На стороне операторов наиболее заметны #1970 (добавление прямого прохода многоголового Gated MLA для двух линий — PTO и AscendC), #1994 / #2004 / #1952 (трио inter, intra, intra_token_parallel для fla_chunk), #1605 (декодирование и блочный предзаполняющий прямой проход Kimi Delta Attention, цель 910B), #1989 (обновление catlass до v2.2.0).

На стороне примеров и документации идёт дополнение эталонных тестов операторов: #1558 (rms_norm, 20 примеров cann-bench и оптимизация производительности), #1748 (NMS, 20 примеров), #1607 (GroupNorm, 20 примеров), #1677 (уточнение строк документации sin/cos с добавлением тестов и документации API), #1732 (поддержка in-place для T.tile.silu/sigmoid на двух бэкендах), #2000 (исправление обёртки PTO uint8 для побитовых операций и проверка src1).

В тестовой области в этот день есть одна твёрдая запись: ежедневный тестовый отчёт #2003 показывает, что 11-11 в 07:58 один прогон из 3060 пунктов прошёл полностью, проходимость 100%. Масштаб достиг 3060 пунктов, а слияния остаются нулевыми на протяжении нескольких окон подряд — узкое место действительно в рецензировании, а не в разработке.

Источники: https://github.com/tile-ai/tilelang-ascend/pull/1970 , https://github.com/tile-ai/tilelang-ascend/issues/2003

2.6 CUDA и Metal: исправление выхода за границы SIMD-group, 256-битная векторизация, разделяемая транспозиция SM90 на рассмотрении (11-11)

Вне-Ascend бэкенды в этом выпуске все находятся в очереди на ревью, но направление ясно. Со стороны CUDA три изменения: #3809 переводит 8- и 16-битный транспонированный доступ к разделяемой памяти на ldmatrix/stmatrix (доступно начиная с SM90), #3826 добавляет int16x16/uint16x16 для задействования 256-битной векторизации, #3723 переносит планирование SIMT im2col до варп-специализации. Со стороны рантайма два изменения: #3867 при несовпадении ядра с текущим устройством выполняет запуск на устройстве, где находятся входные данные, #3882 поднимает верхний предел динамической разделяемой памяти cython-ядра на каждом фактически запускаемом устройстве.

Со стороны Metal #3912 касается того самого тихого выхода за границы из прошлого выпуска: при копировании матрицы simdgroup 8x8 в выход 8x1 компилятор генерирует полное сохранение с шагом строки 1, перезаписывая семь элементов после выхода. Исправление заключается не в добавлении проверки времени выполнения, а в том, чтобы перед каждой генерацией сохранения SIMD-group потребовать от арифметического анализатора доказательства того, что полный след попадает в буфер назначения и запрошенную область; если доказать не удаётся, на этапе понижения выбрасывается читаемая ошибка. В тот же день #3804 обрабатывает смещение области для 2D simdgroup fill.

Источники: https://github.com/tile-ai/tilelang/pull/3809 , https://github.com/tile-ai/tilelang/pull/3912 , https://github.com/tile-ai/tilelang/pull/3826

2.5. Бэкенд RISC-V и сообщество (специальное наблюдение)

2.7 Обход четырёх источников: пятое окно подряд без изменений, линии TVM и MLIR по-прежнему на прежних ссылках (11-12)

При последовательном сравнении ссылок по установленным четырём источникам в 24-часовом окне изменений нет:

  • kubuds/tilelang-riscv-kubuds (маршрут бэкенда TVM): две ветки kubuds- остаются на kubuds-riscv-karen fc62939, kubuds-riscv-mahiru 33e0c89, main — только синхронизация с вышестоящим репозиторием;
  • RuyiAI-Stack/tilelang-riscv (маршрут переписывания MLIR, target="riscv") main остаётся на 57c548c;
  • TongmingLAIC/tilelang-riscv (страница индекса сообщества) main остаётся на 4499c2a, проекты в таблице не добавлены и не удалены;
  • TongmingLAIC/tilelang-tpu (SOPHGO TPU) main остаётся на 303759f, feature/sg2260e-rv-support остаётся на 122bc59, ссылки остальных 19 веток также не изменились.

Это уже пятое окно подряд (архивные записи 11-07, 11-09, 11-10, 11-11, 11-12) без изменений. Согласно установленному порядку, пустой вывод скрипта фиксируется как «без изменений» и не считается сбоем сбора.

Источники: последовательное сравнение ссылок по четырём источникам GitHub (в окне без изменений), отдельных ссылок на записи нет.

2.8 За пределами четырёх источников: TileLang–Weft выпускает weft-parity, 553/553 укладываются в 1,03x от Triton (11-11)

Линия CPU, зафиксированная в прошлом выпуске, в этом выпуске получила итоговую версию. Tianchen-ai/tilelang-weft и его эталонный репозиторий в один день выпустили по одному коммиту (08:51 и 08:52), сменив релизный тег с v0.1.15-weft.2 на weft-parity и переписав таблицу результатов и руководство по результатам.

Новый подход делится на два уровня. Первый уровень — парное сопоставление с Triton: для всех 553 пунктов есть соответствующий нативный контроль Triton, и по каждому пункту выполняется условие «нативное время TileLang не превышает 1,03x от соответствующего Triton»; по четырём платформам это SG2044 133/133, K1 137/137, K3 A100 136/136, x86 147/147, итого 553/553. Кандидат и контроль измеряются поочерёдно на одном и том же наборе входных данных; кандидат — это та же нативная библиотека, экспортированная после проверки численной корректности через JIT из исходного кода. Второй уровень — кратность по отношению к внешним эталонным библиотекам: для 543 примеров есть соответствующий эталон, из них 468 быстрее эталона; медианная кратность по платформам составляет SG2044 1,3598, K1 1,3176, K3 A100 1,6569, x86 1,2917.

Эти два набора чисел необходимо читать отдельно от прошлого выпуска. В прошлом выпуске была зафиксирована старая таблица для того же набора тестовых примеров: быстрее эталона 41 пример, медиана SG2044 0,0580x. Два коммита в один день полностью заменили эту таблицу, причина указана в заголовке коммита — «наследование производительности компилятора, общего для четырёх платформ». Согласно руководству по результатам, нативный TIRx TileLang теперь импортирует тот же набор компиляторов Canonical, что и Triton–Weft, а полная packed-нагрузка сохраняет подготовку входных данных, кодирование, целочисленный partial, ветви scale/min и обновление выхода. Иными словами, источник скачка состоит в том, что измеряемый объект сменился с «написанной автором программы» на «продукт общего компилятора», а не в том, что одна и та же реализация ускорилась в двадцать раз за день. При цитировании следует это указывать и нельзя новой таблицей перекрывать прежние выводы.

Отдельно стоит зафиксировать одну поправку: два сравнения Q1 для K3 ранее использовали старый артефакт Triton, который переполнялся при отрицании −128 — граничный вход давал −2048, тогда как правильный результат должен быть 0. После перегенерации общим компилятором с исправленным точным I8-редукцией артефакты обоих фронтендов проходят этот вход; triton_historical_us сохраняет старое время, а triton_control_note отмечает исправленное сравнение. Это единственное в выпуске раскрытие случая «само сравнение было ошибочным», и оно лучше любого балла показывает, что этот бенчмарк серьёзно относится к воспроизводимости.

Технические пути по-прежнему нужно различать: Weft идёт по CPU-пути раннего импорта нативного AST TileLang в собственный Canonical IR, что не является той же реализацией, что бэкенд TVM, продолжаемый ветками с префиксом kubuds-, и переписывание MLIR Linalg/SCF в RuyiAI-Stack/tilelang-riscv.

Источники: https://github.com/Tianchen-ai/tilelang-weft , https://github.com/Tianchen-ai/tilelang-weft-bench

3. Экосистема и стороны внедрения

3.1 TileOPs: ноль коммитов в основной ветке, два наложенных изменения W4A16 снижают chunked-prefill-tile с 37,3 до 31,6 микросекунды (#2895, #2896)

В TileOPs в этом выпуске ноль коммитов в основной ветке, но открыто пять PR по производительности, два из которых — наложенные изменения одного семейства. #2895 (3 файла, +183/−3) превращает W4A16-плитку, разделяемую пополам вдоль K, в кластер из пары CTA: каждый CTA держит строки одного потребительского warpgroup, через st.async получает в разделяемой памяти партнёра FP32 partial этих строк и затем записывает их, так что эти плитки больше не запускают редукцию split-K и не ходят туда-обратно в FP32-воркспейс. На H200 при 1500 МГц chunked-prefill-tile снижается с 37,3 до 34,7 микросекунды (матричное умножение с деквантованием torch — 37,5 микросекунды), вывод побитово совпадает с путём редукции.

#2896 (3 файла, +525/−5) накладывает сверху ещё один слой: W4A16-плитка 128 строк на 128 столбцов переходит на рукописный warp-специализированный главный цикл, декодируя следующую K-плитку, пока ещё выполняется WGMMA предыдущего изменения, и освобождая сегмент кольца только после выхода WGMMA, читавшей этот сегмент; поскольку в модели стоимости этого пункта нет, вместо него применяется калибровочное правило, раскладывающее эти плитки по четырём K-сегментам шириной 128. На том же бенчмарке время снижается до 31,6 микросекунды, что в 1,19 раза быстрее матричного умножения с деквантованием torch, а вывод побитово совпадает с конвейерным главным циклом.

Оба изменения относятся к списку производительности #2130; в #2896 явно указано, что оно наложено на #2895 и его коммиты будут отображаться вместе до слияния предыдущего.

Источники: https://github.com/tile-ai/TileOPs/pull/2895 , https://github.com/tile-ai/TileOPs/pull/2896

3.2 TileOPs: FP8 grouped GEMM для prefill DeepSeek-V3 переводит A scale на TMA (#2894)

#2894 (1 файл, +2/−2) меняет только два параметра конфигурации: stage_scales для ds-v3-ep8-prefill-up и ds-v3-ep8-prefill-down возвращается с 1 на 0, чтобы их плитки из 128 строк брали A scale в новом TMA-блоке из #2865, а не через посредничество producer. Изменение небольшое, но замыкает целую цепочку: оно заменяет оставшуюся часть #2839, остальное содержимое которой было поглощено #2864, #2865 и #2885 по отдельности.

Цифры измерены на H200 SXM, SM 1500 МГц, CUDA 13.2, PyTorch 2.13, TileLang 0.1.12, метрика device_busy_ms, в чередовании с основной веткой 9bf4bf56 по три прогона с взятием медианы: верхняя проекция 269,3 → 262,0 микросекунды (отношение к DeepGEMM 287,1 микросекунды выросло с 1,066 до 1,096), нижняя проекция 142,2 → 137,2 микросекунды (отношение 1,117 → 1,157). Две другие строки непрерывной конфигурации остаются без изменений. На стороне тестов tests/ops/test_moe_grouped_gemm_fp8.py на H200: 53 пройдено, 25 пропущено.

Источники: https://github.com/tile-ai/TileOPs/pull/2894

3.3 TileOPs: softmax с двумя CTA cluster достигает цели, изменение селектора long-K NT GEMM цели не достигает (#2898, #2897)

#2898 (SoftmaxFwdOp, помечен bar met) переносит две 32-КБ строки softmax из кластера из четырёх CTA со 128 потоками в кластер из двух CTA с 256 потоками: на SM90 каждый слот CTA вмещает кластер из двух CTA, тогда как кластер из четырёх CTA оставляет пустые слоты. На стороне регистров изменены сразу два места — максимум строки берётся как упакованная пара 16-битных значений, и каждый элемент float16 сдвигается одним FFMA относительно масштабированного максимума тайла; bfloat16 и float32 по-прежнему сначала вычитают максимум, поскольку их максимум, умноженный на log2(e), выходит за пределы диапазона fp32. Корневая причина указана в описании: бенчмарк гоняет H200 на 1500 MHz, регистровая схема выполняет на 17% больше инструкций, чем quack, и ограничена скоростью выпуска.

#2897 (GEMMFwdOp, помечен below bar) — обратное направление, результат не достигнут. Он должен исправить решение селектора: после более чем 64 шагов K заменять более широкий тайл coop2 только тогда, когда ping-pong тайл шириной 176 или 192 покрывает больше «выхода на байт операнда», поэтому ds-v3-prefill-o-proj переключается с ping-pong 128x176/144 на coop2 128x256/240. Проблема в том, что эта строка работает под потолком мощности H200 в 700 W, и время следует за энергопотреблением на вызов: тайл шириной 176 имеет на 2.7% меньше циклов, чем DeepGEMM, но затаскивает в SM на 21% больше байтов операндов, а значит работает на более низкой частоте. Эта запись честно помечена как не достигшая цели, и её ценность в том, что она количественно фиксирует: «под потолком мощности нельзя использовать число циклов как критерий».

Источники: https://github.com/tile-ai/TileOPs/pull/2898 , https://github.com/tile-ai/TileOPs/pull/2897

3.4 TileOPs nightly: wiki Perf Tracker обновлён в тот день в 19:52 (11-11)

Метка времени push в репозитории TileOPs-nightly за этот период происходит из изменения wiki, а не кода: в тот день в 19:52 была создана страница Home в wiki этого репозитория, что соответствует ночной синхронизации доски Perf Tracker. Такие push при проверке по репозиториям в рамках org считаются «push внутри окна», и их нужно отличать от настоящих коммитов кода — в этом окне в репозитории ноль коммитов в основную ветку, последний push в ветку snapshots по-прежнему от 11-09.

В тот же период в gh-pages репозитория TileOPs.github.io был один push 11-10, вне этого окна. Автоматические записи вроде сайта документации и nightly в этом выпуске больше не выделяются отдельными пунктами, отмечены только здесь для методологии.

Источники: https://github.com/tile-ai/TileOPs-nightly

4. Сообщество, руководства и мероприятия

4.1 Систематический аудит фронтенда Ascend: 30 issue за день, 26 напрямую об Ascend (11-11)

В окне на уровне организации открыто 35 новых issue, из них 30 в основном репозитории, 3 в TileFoundry, 2 в tilelang-ascend. Из этих 30 в основном репозитории у 26 в заголовке напрямую стоит префикс Ascend, источники сосредоточены в двух аккаунтах: cn-sys — 12 (непрерывные отправки с 15:19 до 16:14), JINITAIMEI121 — 13 (с 08:31 до 10:39), ещё один — сообщение PTO о дублирующихся физических сегментах в нескольких регионах.

Общее у этих issue — не «результат посчитан неверно», а «проходит то, что не должно проходить». Категория проверки параметров: T.Kernel принимает нулевое или отрицательное число блоков, T.Persistent принимает отрицательные wave_size и num_stages, T.Pipelined принимает отрицательный num_stages и недопустимые метаданные order/stage, T.unroll принимает −1 и выдаёт #pragma unroll -1, конструктор циклов принимает нулевой или отрицательный extent, отрицательная размерность тензора напрямую роняет компилятор (нативный краш, а не исключение Python), T.alloc_l1 принимает выделение 2 GiB без какой-либо проверки ёмкости. Категория семантических несоответствий: nearest_zero у hf32 компилируется в NEAREST_AWAY, таблица dtype входов GEMM и codegen двусторонне несогласованы, reduce_bitand/bitor/bitxor выдают типы, не определённые в шаблоне Ascend, batch reduction вырождается в скалярную точку входа AllReduce без батчевой перегрузки, pad_value копирования GM в L1 маршрутизируется в L1 fill, принимающий только ноль, scatter ND в NZ того же типа зацикливается из-за отсутствия отката при подсчёте маски, строки partial-VL порождают несуществующий режим PAT_VL<N>. Категория инструментальной цепочки: vsts_pack_quarter не имеет 16-битной ветви, из-за чего сохранение PK4_B32 на векторах b16 молча теряется, сериализация модуля теряет device source, из-за чего у кэшированного ядра при сбое запуска нет исходника для проверки, автоматическая настройка бэкенда msprof неизбежно падает из-за вызова signal.signal() в рабочем потоке.

Это не разрозненные жалобы — по форме это организованный аудит: один и тот же аккаунт в течение получаса последовательно отправлял тематические группы сообщений с единообразным заголовком «[BUG] Ascend: …» и кратким описанием корневой причины. Для upstream это означает, что пробелы в «надёжности» фронтенда Ascend были разом вынесены на всеобщее обозрение — то, что все 3060 ежедневных тестов проходят, не означает, что нелегальный ввод будет отклонён, поскольку тесты покрывают легальные пути.

Источники: https://github.com/tile-ai/tilelang/issues/3941 , https://github.com/tile-ai/tilelang/issues/3928 , https://github.com/tile-ai/tilelang/issues/3947

4.2 Рассматриваемые исправления в созвучии с аудитом: проверка mask в VMI, восстановление SIMD fill, копирование E4M3 ND/NZ (11-11)

Среди обновлённых в этот день рассматриваемых PR есть ряд, которые точно нацелены на вышеуказанные пробелы. #3861 и #3917 — это две части одного и того же: фабрики унарных и векторно-скалярных операций VMI ранее проверяли mask только на «наличие», не проверяя dtype и число каналов, поэтому обычный вектор, переданный как предикат, мог дойти до codegen — vabs, vneg, vrelu, vexp, vln, vsqrt, vnot — семь операторов построены на этой фабрике, а на векторно-скалярной стороне vadds, vmuls, vmaxs, vmins, vshls, vshrs также имеют слабые формы.

#3795 исправляет ещё один побочный эффект #3512: когда в T.SimdVF() выполняется T.clear для буфера int32 UB, генерируемое векторное широковещание поддерживает только числа с плавающей точкой, и компиляция PTO завершается ошибкой — поскольку конвейер PTO заменяет оригинальный SIMD-проход специальным проходом Parallel, попутно теряя понижение fill. Исправление состоит в добавлении LowerSimdVFFill после нормализации версии буфера и до проверки PTO Parallel, с повторным использованием vdup/vsts для непрерывных и полных векторных областей, а остальное по-прежнему идёт старым путём; при этом сохраняется числовое преобразование плавающего tl.simd.vdup, что исправляет проблему «int32 7 побитово широковещательно превращается в примерно 9.809e-45».

#3639 добавляет копирование E4M3 из ND/NZ UB в L1, #3926 заставляет T.Kernel отклонять неположительное число блоков и отрицательное Pipelined num_stages, #3854 исправляет деление на ноль для суббайтовых элементов в понижении SimdVF, #3668 добавляет для ядра AIV в T.PerCoreTask() чередующуюся запись с шагом из UB в GM. Кроме того, #3915 и #3916 занимаются видами ошибок AssertStmt и встроенными утверждениями проверки условий.

Источники: https://github.com/tile-ai/tilelang/pull/3861 , https://github.com/tile-ai/tilelang/pull/3795 , https://github.com/tile-ai/tilelang/pull/3926

4.3 Со стороны новостей: пять групп запросов на китайском и английском дали ноль попаданий в окне, HN и arXiv также без соответствующих записей (11-11)

Запросы Google News на китайском и английском в окне дали ноль попаданий, последние попадания по-прежнему относятся к старым материалам; попадания Hacker News — сплошной шум с одинаковыми названиями (записи, не связанные с TileLang), а последние результаты arXiv по all:"TileLang" по-прежнему вне окна. В настоящее время доступный для поисковых систем контент, связанный с TileLang, — это по-прежнему страница статьи ICLR 2026 и страница публикации Microsoft Research, которые являются долгосрочными записями, а не новостями.

Несколько дней подряд нулевых попаданий со стороны новостей — это норма для TileLang: распространение проекта идёт в основном через GitHub и сообщества разработчиков, а не через новостные индексы, и основной субъект освещения по-прежнему определяется динамикой репозитория.

Источники: запросы Google News на китайском и английском (через прокси), Hacker News, arXiv — в окне нет соответствующих записей.

4.4 Уточнение методики: старые артефакты Triton в двух контрольных сравнениях Q1 проекта K3 переполняются при взятии отрицания от -128 (11-11)

Это выделено отдельно, потому что влияет не на оценку, а на сопоставимость. Базовый репозиторий в том же пакете коммитов, где был опубликован weft-parity, раскрыл: два контрольных сравнения Q1 проекта K3 ранее использовали сохранённую программу Triton Canonical, которая переполняется при взятии отрицания от −128 — граничный ввод даёт −2048, тогда как правильный результат должен быть 0. После перегенерации общим компилятором с исправленным точным сокращением I8 артефакты обоих фронтендов проходят этот ввод; исторические затраты времени сохранены в поле triton_historical_us, а пояснение исправления записано в triton_control_note.

Ошибка в контрольной реализации — распространённая ловушка проектов класса бенчмарков: как только эталонная сторона ошибается на граничном вводе, «хуже эталона» у испытуемой стороны может означать лишь то, что эталон ошибается быстрее. В сочетании с методикой сопоставления из 2.8 это раскрытие показывает, что данная линия CPU переходит от «сравнения авторской программы с внешней библиотекой» к «сравнению сопоставленных артефактов одного компилятора», что методологически более надёжно, но две таблицы нельзя смешивать.

Источники: https://github.com/Tianchen-ai/tilelang-weft-bench/blob/main/docs/results.zh-CN.md

5. Наблюдения за трендами

Во-первых, вес Ascend в основной линии продолжает расти, и происходит переход от «дополнения операторов» к «дополнению путей выполнения и решателей». В этом выпуске все три коммита в основном репозитории связаны с Ascend: смена бэкенда выполнения по умолчанию, ужесточение нижней границы решателя, адаптация атомарных операций к системе типов. Ни один из этих трёх коммитов не добавляет операторы в список, но все они меняют то, «как одна и та же программа компилируется, запускается и как долго компилируется». Сопоставляя с записями с октября, слияния на стороне Ascend прошли путь от дополнения операторов AscendC до трёх слоёв: семантики интерфейсов, бэкенда выполнения и решателя планирования.

Во-вторых, сторона CUDA вошла в длительный период рецензирования. В прошлом выпуске ещё три примитива уровня инструкций CUDA вошли в основную ветку, в этом выпуске — ноль слияний и шесть на рассмотрении (ldmatrix/stmatrix, 256-битная векторизация, планирование im2col, жизненный цикл операндов конвейера, жизненный цикл асинхронного GEMM, пространство имён конфигурации PASS). Одновременное снижение скорости слияний и утолщение очереди на рассмотрении обычно означает, что узким местом стала пропускная способность рецензирования, а не остановка разработки.

В-третьих, аудит качества начинает идти параллельно с разработкой функциональности. Форма 26 issue по Ascend за один день показывает, что в сообществе уже кто-то проводит систематический аудит нелегальных входных данных, а соответствующие PR с исправлениями в тот же день были в очереди (проверка mask, отклонение отрицательных параметров, восстановление понижения fill). Для проекта, который разворачивает бэкенд на нескольких отечественных чипах, это хорошо: прохождение всех 3060 ежедневных тестов доказывает лишь работоспособность легальных путей, а способность отклонять нелегальные пути должна обеспечиваться такими аудитами.

В-четвёртых, четыре источника RISC-V молчат пять окон подряд, но линия CPU за пределами этих четырёх источников дала промежуточный вывод. Маршрут TVM, маршрут MLIR, страница индекса сообщества и TPU Sophtgo остаются на исходных ссылках; а TileLang–Weft с общим компилятором Canonical довёл все 553 пункта до не более чем 1,03× от Triton, медианный коэффициент по четырём платформам — от 1,29 до 1,66. Следует отметить, что это результат после смены методики измерения, его нельзя напрямую сравнивать с 0,058× из прошлого выпуска. Настоящая точка наблюдения: сможет ли этот подход «один компилятор, два фронтенда» войти в upstream в обратном направлении, и будет ли путь RVV/IME для RISC-V впервые пройден проектами за пределами четырёх источников.

Ограничения: в этом выпуске квота анонимного API GitHub была исчерпана на ранней стадии сбора, текст PR и детали слияний были дополнены через поисковый интерфейс и атомарный поток коммитов неосновных веток; количество файлов и строк для отдельных PR — это возвращаемые значения поискового интерфейса, построчная сверка diff не проводилась; слияния hygon и mlir-ascend попали в неосновные ветки, проверка проводилась отдельно по веткам. На новостной стороне — только нулевые совпадения, внешних сообщений для перекрёстной проверки нет.


Приложение: материалы и пояснения к проверке

Источник Результат проверки
Организация tile-ai по репозиториям (30 репозиториев) 7 пушей в окне: tilelang, TileOPs, TileOPs-nightly, tilelang-hygon, tilelang-mlir-ascend, tilelang.github.io, TileOPs.github.io
Основной репозиторий tile-ai/tilelang 3 слияния (#3516, #3776, #3794), все Ascend; 30 новых issue
Неосновные ветки hygon distributed — слияние #36; mlir-ascend master — слияние #222; в обеих ветках main — ноль коммитов
Очередь на рассмотрении 57 на уровне организации обновлены в окне, 33 в основном репозитории
Страница релизов tilelang последний v0.1.15 (09-30), TileOPs последний v0.1.0 (10-27), новых тегов в окне нет
Ежедневные тесты tilelang-ascend #2003: 11-11 07:58 запущено 3060 пунктов, все пройдены
Инспекция четырёх источников TileLang×RISC-V Без изменений (пятое окно подряд)
Линия RISC-V третьих сторон TileLang–Weft и эталонный репозиторий — по 1 коммиту, выпущен weft-parity
Новостная сторона Google News на китайском и английском, Hacker News, arXiv — нулевые совпадения в окне

Полный список источников

cend #1970 (прямой проход Gated MLA) — https://github.com/tile-ai/tilelang-ascend/pull/1970