Отчётный период: с 9 ноября 2026 г. (понедельник) по 13 ноября 2026 г. (пятница), 5 рабочих дней, 5 выпусков ежедневного отчёта; дополнительно включает дополнительную проверку 30 репозиториев организации tile-ai за 168 часов в день публикации (14 ноября)


Часть 1 · Краткая сводка

В этом разделе представлена выборка ключевых моментов недели, по умолчанию в пределах 800 слов (в данном выпуске 613 слов); полные записи, постатейные перечни и источники см. в архиве части 2.

Пять выпусков ежедневного отчёта за неделю зафиксировали слияния в количестве 71, 21, 9, 6, 5 коммитов; темп основного репозитория сместился от примитивов CUDA в начале недели к исключительно «последствиям» Ascend к концу недели.

  • Период устранения последствий PTO занимает основной репозиторий: в выпусках 11-12 и 11-13 в общей сложности восемь слияний все приходятся на Ascend, +1903/−617, четыре из них закрывают хвост #3512; целевой бэкенд выполнения PTO по умолчанию переключён на tvm_ffi, полная синхронизация ядер автоматически включает пакетное планирование во избежание взаимоблокировок.
  • Две волны аудита выявили «тихие отказы» вплоть до уровня инструкций: 11-12 за один день из 30 issue 26 указывают на Ascend, 11-13 новые люди открыли ещё восемь, точки попадания спустились от проверки параметров до фабрики предикатов T.simd; более десятка PR категории проверок одновременно находятся на рассмотрении.
  • ROCm впервые стал серией: 11-13 в течение часа подряд открыто семь PR, 22 файла +624/−19, охватывающих параметры компиляции, границы запуска, загрузку и резидентность регистров.
  • TileOPs перешёл от «трёх партий в день» к «ожиданию ревью»: за пять выпусков слито 33, 18, 4, 0, 0 коммитов, большинство показателей производительности по самооценке не достигли целевых строк, бюджетное ограничение сжато до 101376 байт для SM89.
  • Версия не двигалась всю неделю: PR #3887 с номером версии 0.1.16 за всю неделю не продвинулся, v0.1.15 уже 44 дня; TileFoundry завершил реорганизацию 1491 файла.
  • Четыре источника RISC-V молчат шесть окон подряд: линия Weft за пределами четырёх источников завершилась на 553/553, но в этот день сменились методики, поэтому нельзя читать совместно с прошлым выпуском 0.0580 раза.

Суждение недели: Ascend уже является абсолютным субъектом слияний в основном репозитории, узкое место сместилось с объёма разработки к пропускной способности ревью и «несоответствию заявлений и реализации»; 1900 строк изменений Ascend и 7632 строки содержимого harness застряли в ветках, 0.1.16 не выйдет — нижестоящие потребители ничего не получат.


Часть 2 · Архив

Ниже приведён полный текст недели, структура и методики совпадают с предыдущими еженедельными отчётами; каждое суждение из краткой сводки может найти здесь постатейное обоснование и источники.

Источники материалов: 5 выпусков ежедневного отчёта о динамике сообщества TileLang (11-09, 11-10, 11-11, 11-12, 11-13). Выпуск 11-09 представляет собой 72-часовое окно через выходные (с 07:00 11-06 по 07:00 11-09, включая субботу и воскресенье), остальные четыре выпуска следуют друг за другом по 24 часа, поэтому фактический интервал поведения пяти выпусков — с 07:00 11-06 по 07:00 11-13; выпуск 11-09 не перекрывается с предыдущим еженедельным отчётом (по состоянию на 07:00 11-06). В день публикации дополнительно проведена проверка организации tile-ai за 168-часовое окно (30 репозиториев, в окне 12 пушей), используемая для подтверждения состояния пушей и версий каждого репозитория, без изменения фактов, уже зафиксированных в ежедневных отчётах.

Пояснение к составлению: организовано по семи измерениям: главные новости недели, прогресс ключевых проектов, мультибэкендная адаптация, экосистема и потребители, обучающие материалы и мероприятия сообщества, наблюдения за трендами, приложения. Учёт слияний ведётся по окнам, зафиксированным в каждом выпуске ежедневного отчёта: выпуски с 11-09 по 11-12 являются подсчётом на уровне организации, выпуск 11-13 — подсчётом основного репозитория (в этом выпуске ещё три коммита приходятся на ветку harness в mlir-ascend, не учтённые в числе основного репозитория). Новые issue по пяти выпускам: 50, 6, 10, 35, 18 штук, всего 119 штук. Слияния в неосновные ветки (hygon distributed, mlir-ascend harness) в тексте отмечаются постатейно, не смешиваясь с подсчётом основной ветки.


1. Главные новости недели

  • Период устранения последствий модернизации векторизации PTO проходит через всю неделю, последние два выпуска восемь слияний исключительно на Ascend (11-11 – 11-12): после того как #3512 заменил векторизацию PTO и систему целочисленных типов, слияния в основном репозитории четыре окна подряд оплачивают регрессионные счета. Три коммита выпуска 11-12 — это #3516 (целевой бэкенд выполнения PTO по умолчанию переключён на tvm_ffi, 20 файлов +1549/−182), #3776 (AutoSchedule ужесточает нижнюю границу периода тремя необходимыми условиями, время решения Z3 снижено на 10.04%), #3794 (адаптация целочисленных атомарных операций к носителю signless); пять коммитов выпуска 11-13 — это #3614 (синхронизация между ядрами mode=0 принудительно включает пакетное планирование, исправляет взаимоблокировку полного барьера ядер и конкуренции за ядра между потоками), #3894 (закрытие проверки дескрипторов и логического покрытия VMI, +925/−550), #3793 (добавлена защита фактов скалярного cast), #3796 (сохранены явные SIMD-параллельные циклы), #3792 (обёртка совместимости знаков целочисленных атомарных операций), в сумме +1903/−617, изменения в 22 файлах. Общая форма четырёх категорий проблем — не «новые функции считают неправильно», а «после модернизации ранее легальные программы перестают быть легальными»; стоимость локализации высока из-за того, что место ошибки часто приходится на скаляр или адрес, не связанный с отказами. Источники: https://github.com/tile-ai/tilelang/pull/3516, https://github.com/tile-ai/tilelang/pull/3614, https://github.com/tile-ai/tilelang/pull/3894

  • Две волны систематического аудита фронтенда Ascend: «поверхность тихих отказов» — от проверки параметров до кодирования инструкций (11-11 — 11-12): в выпуске 11-12 за один день открыто 30 issue в основном репозитории, из них 26 заголовков начинаются с префикса Ascend, они идут сериями от двух аккаунтов (cn-sys — 12, JINITAIMEI121 — 13); общее у них не «неверный расчёт», а «проходит то, что не должно проходить» — T.Kernel принимает нулевое или отрицательное число блоков, T.alloc_l1 принимает выделение 2 GiB, T.unroll принимает −1 и выдаёт #pragma unroll -1, отрицательные размерности тензора просто роняют компилятор, nearest_zero для hf32 компилируется в NEAREST_AWAY, однотипный ND→NZ scatter из-за счётчика маски не откатывается и уходит в бесконечный цикл. В выпуске 11-13 эстафету подхватывает NebulaMao, открывая восемь issue подряд за десяток с небольшим минут, и точки отказа лежат ещё ниже: any_sync/all_sync после экспорта оставляют неразрешённые вызовы, int64 межwarp-ный reduce_sum порождает неопределённый HwReduce<SumOp,long>, update_mask/pintlv/pdintlv не проверяют ширину предиката, T.simd.pge тихо вырождается в pset_bXX, T.ascend_pipe_barrier("PIPE_V") молча отбрасывается. Вместе две волны выставляют напоказ дефицит целостности фронтенда Ascend от уровня параметров вплоть до уровня инструкций. Источники: https://github.com/tile-ai/tilelang/issues/3920, https://github.com/tile-ai/tilelang/issues/3992, https://github.com/tile-ai/tilelang/issues/3993

  • На стороне ROCm за час серией открыто семь PR — первый раз за всё время наблюдения ROCm в этом отчёте, когда они появляются системно (11-12): семь PR с 07:56 по 07:57 подряд открыл один автор, все на базе 72d986e1, 22 файла, +624/−19: #3954 проводит compile_flags действительно в hipcc (раньше они попадали только в ключ кэша); #3955 исправляет широковещательную рассылку 8-битных целочисленных векторов, из-за которой hipcc отвергал make_uint2/make_uint4; #3956 добавляет для T.gemm на малых тайлах читаемое сообщение об ошибке; #3957 превращает «минимальное число блоков на SM» на HIP из отбрасываемого в границу запуска по числу wave на EU (на gfx90a один fp16 GEMM из-за 143 VGPR + 128 AGPR оказался заперт в одном блоке на CU); #3958 добавляет в отчёт занятости пересчёт blocks per CU; #3959 исправляет на wave64 ситуацию, когда 64-поточная редукция впустую выделяет блок LDS, к которому никогда не обращается; #3960 заставляет fp16-фрагменты действительно оставаться в регистрах (в HIP uint2/uint4 — это структуры, и после SROA каждая lane съедает 80 байт scratch). Шесть уровней покрытия, тогда как раньше ROCm долго был «изредка один PR». Источники: https://github.com/tile-ai/tilelang/pull/3960, https://github.com/tile-ai/tilelang/pull/3957, https://github.com/tile-ai/tilelang/pull/3959

  • Производительность и доля прохождения порога в TileOPs полностью разошлись, бюджет shared memory стал жёстким ограничением (вся неделя): по пяти выпускам слито по порядку 33, 18, 4, 0, 0 PR, причём 18 PR выпуска 11-10 разбиты по времени на три партии по 6 PR, каждая партия завершалась за 3–14 минут; из 11 PR по производительности 10 сами оценили себя как Result: below bar, и только BMM ping-pong в #2882 помечен bar met — прохождение порога не является условием слияния, условием являются ясно описанная первопричина и A/B. Четыре PR выпуска 11-11 все в DeltaNet и вращаются вокруг shared memory размером 101376 байт на SM89 — разделение потоков и переиспользование буферов: #2891 разделяет прямой проход по нижней границе walk, #2890 добавляет в обратный проход переключатель reuse, сжимая 114944 обратно до 98560, #2889 разделяет тесты по кластеру и факту shared memory, снижая число падений на SM89 с 9 до 3. В выпусках 11-12 и 11-13 основная ветка два выпуска подряд без коммитов, в окне остаются только пять PR по производительности и одно обновление ветки stats — состояние «ждём ревью», а не «в разработке». Источники: https://github.com/tile-ai/TileOPs/pull/2882, https://github.com/tile-ai/TileOPs/pull/2890, https://github.com/tile-ai/TileOPs/pull/2891

  • TileFoundry превращает инварианты в проверяемые объекты, а затем принудительно закрепляет правила масштабной реорганизацией из 1491 файла (06.11–12.11): в выпуске от 09.11 три коммита соответственно определяют семантику значений размещения (четыре состояния Split / Broadcast / Varying / Partial и правило объединения B ⊔ V = V, #293), включают общие операнды TMA-копирования в семантику async-proxy (#291) и фиксируют порядок «перед перезаписью старых данных планировщиком всё ещё требуется чтение старых данных» в LivenessMetadata.orders (#301, при невозможности упорядочить выбрасывается AnalysisError). В выпуске от 10.11 #312 одним коммитом переупорядочивает 1491 файл (+41324/−42379), записывая пять категорий правил — импорт, экспорт, именование, изменяемое состояние, слоистость — в S1–S11 и C1–C11 помимо S0, с принудительным применением через lint, ruff и import-linter в pre-commit. Цена — изменение внутренних путей импорта в этой версии; скриптам, ссылающимся на приватные символы, потребуется соответствующая правка. Источники: https://github.com/tile-ai/TileFoundry/pull/293, https://github.com/tile-ai/TileFoundry/pull/301, https://github.com/tile-ai/TileFoundry/pull/312

  • Матрица бэкендов переходит от «единоличного продвижения» к одновременному запуску в нескольких точках, сосуществуют четыре уровня глубины вложений (вся неделя): в ветку distributed Hygon слит #36 — триада распределённых компонентов (GEMM+AllReduce Block-Push, GEMM+ReduceScatter Block-Push, AllGather+GEMM Block-Pull, 6 файлов +2022/−0); другая ветка tilelang-tileops-fix за один день получила десять коммитов, дополняющих случайные числа hipRAND и cache_warmup; ветка harness mlir-ascend за один день приняла три коммита +7632/−24 (рабочий процесс трассировки эмуляции Ascend950, руководство по проектированию операторов и калькулятор Roofline, примеры BMM и w4a8), тогда как #222 сводит PR-гейт к единому базовому уровню Ascend 950 AscendC; MetaX выводит официальную версию SDK в комплектации на v0.1.12+musa.5 и поднимает порог glibc до 2.34; сторонний xwhzz/tilelang-hexagon продвигает TileLang на NPU Qualcomm Hexagon, LFM2-1.2B сквозным образом работает на v79 cDSP Snapdragon 8 Elite. Вендорские репозитории следуют за версиями, дистрибутивы — за основной веткой, форки — за собственным оборудованием; сама дифференциация является показателем степени зависимости. Источники: https://github.com/tile-ai/tilelang-hygon/pull/36, https://github.com/tile-ai/tilelang-mlir-ascend/pull/221, https://github.com/xwhzz/tilelang-hexagon

  • Версия не двигается неделю, 1900 строк изменений для Ascend и 7632 строки содержимого harness остаются в ветках (09.11–13.11): #3887 ([Release] Bump version to 0.1.16) после обновления 09.11 в 03:07 не продвинулся за всю неделю и по-прежнему не слит; последний тег основного репозитория — всё ещё v0.1.15 от 30.09, к пятнице этой недели прошло уже 44 дня. Ни в одном из четырёх репозиториев в окне мониторинга нет новых версий: TileOPs — v0.1.0 от 27.10, TileFoundry — v0.0.4rc1 от 25.10, tilelang-musa — v0.1.15+musa.1 от 30.09. Слитые в этом выпуске исполнительный бэкенд Ascend и очистка регрессий попадут в нижестоящие дистрибутивные пакеты не раньше следующего тега. Источники: https://github.com/tile-ai/tilelang/pull/3887, https://github.com/tile-ai/tilelang/releases

  • RISC-V: четыре источника молчат шесть окон подряд, за пределами четырёх источников линейка CPU завершается сменой методики (11-07 – 11-13): две ветки kubuds- в kubuds/tilelang-riscv-kubuds, линия MLIR в RuyiAI-Stack/tilelang-riscv, индексная страница TongmingLAIC/tilelang-riscv и ветка SOPHGO в TongmingLAIC/tilelang-tpu шесть окон подряд остаются на прежних ссылках. За пределами четырёх источников Tianchen-ai/tilelang-weft 11-11 заменил релизный тег на weft-parity: все 553 пункта имеют совпадающие нативные эталоны Triton и удовлетворяют условию «не более 1,03 раза», по четырём платформам 133/137/136/147 в сумме 553/553; медианные коэффициенты по 543 позициям относительно эталона составляют SG2044 1,3598, K1 1,3176, K3 A100 1,6569, x86 1,2917. Важно подчеркнуть: эти цифры нельзя читать вместе со старой таблицей предыдущего выпуска (41 случай быстрее эталона, медиана SG2044 0,0580 раза) — скачок объясняется тем, что объект измерения сменился с «написанных автором программ» на «артефакты общего компилятора Canonical». Источники: https://github.com/Tianchen-ai/tilelang-weft, https://github.com/Tianchen-ai/tilelang-weft-bench


2. Прогресс ключевых проектов (основной репозиторий tilelang)

Версии и релизы

  • Последний тег и релиз основного репозитория по-прежнему v0.1.15 (выпущен 09-30); ни в пяти выпусках ежедневного отчёта, ни при проверке в день релиза новых тегов не обнаружено, к пятнице текущей недели прошло уже 44 дня.
  • #3887 ([Release] Bump version to 0.1.16) после обновления 11-09 в 11:07 не подаёт признаков жизни; в выпусках 11-10, 11-11, 11-12 и 11-13 он значится как «по-прежнему приостановлен».
  • В трёх других репозиториях организации в окне мониторинга новых версий нет: TileOPs v0.1.0 (10-27), TileFoundry v0.0.4rc1 (10-25), tilelang-musa v0.1.15+musa.1 (09-30).
  • Структурное наблюдение, связанное с версиями: два PR #3490 и #3605 с примитивами CUDA вошли напрямую в основную ветку, #3903 (параллельная компиляция процессов) и #3897 (cumsum/cummax на стороне CPU) всё ещё на рассмотрении — это говорит о том, что функциональная часть 0.1.16 продолжает расти, а не закрывается.

Компилятор, языковой уровень и путь исполнения

  • Смена бэкенда выполнения PTO (#3516, влит 11-11, 20 файлов +1549/−182): при target="pto" с execution_backend="auto" разрешается в tvm_ffi, общий host codegen отвечает за MakePackedAPI и C host, runtime Ascend запускает aibin, скомпилированный PTODSL, через aclrtLaunchKernelWithHostArgs, путь совпадает с ядрами AscendC. На стороне сборки устройства добавлен модульный колбэк инструментальной цепочки, который компилирует весь модуль PTODSL за один проход (ptodsl → ptoas → bisheng fatobj-link → извлечение .aicore_binary); ключ кэша учитывает параметры ptoas, версию ptoas и идентичность CANN. Старый путь сохранён как execution_backend="pto", оба варианта выдают побитово идентичный результат; проверка включает четыре новые группы тестов: динамические формы, многодевайсные ядра, смешанный cube/vector GEMM, попадание в кэш и выброс ошибки на повреждённых записях.
  • AutoSchedule ужесточает нижнюю границу периода (#3776, 1 файл +20/−1): вместо бинарного поиска от фиксированной нижней границы теперь берётся максимум из трёх необходимых условий — граница одной задачи использует максимум интервалов запуска задач, граница ресурсной группы для попарно конфликтующих задач после сортировки по остаточным значениям выводит из соседних разностей и разностей краёв, что период не меньше суммы интервалов запуска внутри группы, граница самозависимости из S_u - S_u >= wait - d*P обратным решением даёт ceil(wait/d), зависимости по версиям пересчитываются через num_stages. Подтверждено на Ascend 950PR, недельной версии CANN 9.3.0: все примеры Ascend компилируются, результаты планирования не изменились, суммарное время этапа решения Z3 снизилось на 10,04%. Дополнительное зондирование нижней границы не вводилось, модель планирования не менялась.
  • Принудительное пакетное планирование при межъядерной синхронизации во избежание взаимоблокировки (#3614, 5 файлов +102/−1, из них 78 строк — регрессия): mode=0 — «запуск при наличии доступных ядер», mode=1 — «запуск целиком после того, как готовы все требуемые оператору ядерные ресурсы». Оператор с полной межъядерной синхронизацией, запущенный в обычном режиме, может получить лишь часть ядер и сразу дойти до барьера всех ядер, ожидая ядра, занятые другим потоком, — ресурсы замыкаются в кольцо, устройство зависает. Исправление: на стороне codegen распознаётся «межъядерная синхронизация с константой 0», автоматически выставляется __schedmode__(1), флаг сбрасывается по функции во избежание утечки. Попутно целочисленный mode_id межъядерных set/wait сужен до 0/1/2/4 и явно указано, что наборы режимов у трёх целей различаются (910B/910C поддерживают 0/1/2, только 950 добавляет 4).
  • Дескрипторы VMI и проверка логического покрытия сведены воедино (#3894, 6 файлов +925/−550): исправлены неверные базовые адреса и шаги при построении дескрипторов для gather/scatter typed view и поэлементной загрузки; одновременно удалено избыточное отклонение логического покрытия на фронтенде — удаление проверки не ослабление, а исправление детектора разделяемой памяти уже влито (#3805), повторная блокировка на фронтенде ложно срабатывала бы на межстрочных, транспонированных и динамических представлениях.
  • На стороне CUDA добавлены две группы инструкционных примитивов (влито 11-10): #3490 (6 файлов +185/−1) добавляет предвыборку L1, uniform-предвыборку L1 и предвыборку L2, а приоритет вытеснения оформлен параметром первого класса EvictPriority (шесть уровней: по умолчанию, обычное вытеснение, приоритетное вытеснение, последнее вытеснение, без изменения, без выделения), нестандартный приоритет требует вычислительной способности 8.0 и выше; #3605 (7 файлов +203/−1) добавляет T.clamp_symmetric(x, limit), на SM86 и выше единообразно ограничивает FP16/BF16/FP32 до [-limit, limit], сохраняет знаковый ноль и субнормальные числа, при любом NaN-операнде возвращает канонический NaN, реализация сводится к одной инструкции min.NaN.xorsign.abs, а свидетельством приёмки служит появление трёх скалярных и упакованных форм в SASS.
  • Два упреждающих укрепления на стороне TIRx (на рассмотрении с 11-11): #94 ([Fix][TIRx] Make ceildiv exact for signed divisors) и #93 ([Arith] Guard negative scales in canonical split div/mod) в tile-ai/tvm чинят две стороны одной проблемы — предпосылки переписывания при канонизации после попадания знака в целочисленное деление и взятие остатка перестают выполняться. В тот же день в основном репозитории открыт #3937 (вложенное floor division даёт неверное целое при отрицательном множителе), указывающий на то же место, с той разницей, что #3937 — воспроизведение со стороны пользователя, а #93/#94 — упреждение со стороны компилятора.

Корректность и исправление дефектов

  • Тихие ошибки в коде остаются самой тяжёлой категорией в основном репозитории: в выпуске от 11-09 новые issue сосредоточены на «неправильный расчёт без ошибки» — #3842 (после включения warp specialization обновление переменных между двумя итерациями pipeline действует только в ветке consumer), #3870 (в скопированном параллельном цикле атомарные операции с fragment и чтение-модификация-запись выполняются по одному разу на каждую копию), #3871 (вызов tvm_ffi по завершении не восстанавливает устройство вызывающей стороны), #3877 (на пути NVRTC однопараметрический kernel не запускается), #3881 (на пути cython динамическая разделяемая память свыше 48 КБ fails на втором устройстве); по беззнаковой семантике CuTeDSL открыто сразу три (#3874/#3875/#3876), того же типа, что #3808 и #3800 из предыдущего окна.
  • Покрытие функциональности и границы корректности CuTeDSL расходятся в противоположные стороны: #3685 разом добавляет 63 файла (+7075/−394), включая warp vote, барьеры с предикатами блоков, загрузку-сохранение с явной шириной и подсказки кэширования, копирование TMA и cluster, блочное масштабирование MMA для SM120 и пример NVFP4 GEMM, и попутно исправляет старую проблему повторного выполнения T.fill на каждой итерации перед pipeline при warp specialization; дефекты того же периода — все на границах: grid barrier при многопоточном параллелизме (#3868, переход на слово barrier в grid workspace при каждом cooperative launch), знаковое целочисленное деление (#3551, теперь испускает tl.truncdiv по семантике arith.divsi), беззнаковые атомарные операции и беззнаковые буферы.
  • Metal переходит от добавления операторов к закрытию границ корректности: #3907 сообщает о тихом выходе за границы — при копировании матрицы 8x8 metal.simdgroup в выход 8x1 компилятор испускает полный simdgroup_store с шагом строки 1, перезаписывая семь элементов после выхода (Apple M4, tvm_ffi, кэш компиляции отключён, обнаружено с помощью запасного хранилища в качестве стража). Исправление #3912 не добавляет проверок времени выполнения, а требует от арифметического анализатора доказать перед каждой SIMD-group записью, что полный след 8x8 одновременно попадает в целевой буфер и запрошенную область; если доказать не удаётся, на этапе понижения выбрасывается читаемый ValueError.
  • Структурные ограничения PTO для Ascend: #3901 сообщает о повторяющейся ошибке физических сегментов при объявлении нескольких явных областей Cube/Vector в одном ядре, PR с исправлением пока нет; #3909 распространяет контракт host-mapped буферов, установленный #3802 на стороне CUDA, на Ascend (14 файлов, +529), тогда как ранее Ascend kernel всегда отвергал тензорные аргументы CPU.
  • Три новые issue на стороне CUDA, каждая показательна (11-12): #3988 сообщает, что fp16 T.gemm при M=1 и нечётном K через конвейерный cp.async всё равно испускает недопустимую 2-байтовую передачу, воспроизводится и на 0.1.15, и на основной ветке, тогда как форма регрессии, исправленная в #2365, проходит; #3987 сообщает, что время tl.LayoutInference и tl.LowerTileOp растёт экспоненциально при повторном использовании подвыражений в T.Parallel (соответствующее исправление #3997 уже в очереди — та же регрессия прошла путь от 34,89 секунды и превышения лимита компиляции в 10 секунд до успеха); #3996 сообщает, что T.Pipelined с явным order/stage и копированием через фрагменты выдаёт «Fragment buffer access with non-zero index [1]», хотя этого индекса нет в пользовательской программе.
  • Отклонение ценообразования TileFoundry раз за разом отражается стороной операторов (11-10): #318 выполняет ценообразование размещения на H200 с помощью поэлементного clamp и указывает, что после превышения сеткой CTA одной волны след разбиения входных данных умножается на число волн, и отмечает, что такое же поведение сообщалось в четырёх закрытых issue, все помечены not planned, и текущая сборка по-прежнему воспроизводит его; #319 разбирает резидентный SM90 NT GEMM размером 4096×7168×16384 и выдаёт сразу пять находок, самая серьёзная — check --help утверждает, что у bf16 8 явных битов мантиссы и граница округления 2^-9, тогда как в действительности у bf16 7 явных битов мантиссы и единичное округление 2^-8, и выведенный на этом rtol составляет лишь половину должного значения. Отклонение ценообразования анализатора на 26% (962,1 против 1213,6 GFLOP) не замедлит отдельный оператор, но заставит автоматический выбор расписания систематически ошибаться на граничных сетках.

CI, тестирование и инструментальная цепочка

  • Две доработки контура обратной связи CI: #3911 (1 файл +2/−2) убирает события типов labeled/unlabeled из триггеров — CodeRabbit при первом появлении PR сразу вешает несколько меток, из-за чего ранее в течение нескольких секунд порождалось несколько полностью идентичных полных прогонов CI, которые затем по одному отменялись группой параллелизма, при этом ни одна задача CI не читает метки PR; тот же коммит поднимает сторожевой таймер ROCm runner выше таймаута рабочего процесса, чтобы задания AMD больше не принудительно убивались на 40-й минуте.
  • Ежедневное тестирование Ascend выросло до 3060 пунктов: в выпуске от 11-09 четыре отчёта — 3032 пункта, все пройдены (#1993), и два отчёта по 3060 пунктов, все пройдены (#1995, #1996), плюс один отчёт с отказом на уровне задания рабочего процесса (#1997, не отказ тест-кейсов); 11-11 в 07:58 один прогон на 3060 пунктов, все пройдены (#2003); 11-10 в 11:38 один прогон на 3060 пунктов, все пройдены (#2001). Масштаб тестирования вырос до 3060 пунктов, тогда как слияний несколько окон подряд ноль — узкое место в ревью, а не в разработке.
  • Пробел в дедупликации оповещений: #2006 (10:23) и #2010 (15:48) от 11-12 указывают на один и тот же workflow run 43124767679, оба статуса — «тесты встретили ошибку», что говорит о том, что дедупликация оповещений не выполняется по номеру run. В сравнении с прогоном на 3060 пунктов от 11-11 этот пункт можно зафиксировать лишь как «в CI репозитория Ascend в этот день был один отказ с повторной отправкой», список отказов пока нечитаем.
  • Дефект в пути попадания в кэш: #2002 ([Bugfix] Restore adapter library path when loading cached kernels) на ревью, исправляет невосстановление пути к библиотеке adapter при загрузке ядра из кэша — это проблема класса «первый запуск проходит, а при второй загрузке из кэша библиотека не находится», проявляющаяся только на пути попадания в кэш.

3. Мультибэкендовая адаптация

Ascend (tilelang-ascend и PTO)

  • Ритм в репозитории: ветка по умолчанию ascendc_pto после семи коммитов от 11-06 имеет ноль слияний в четырёх окнах с 11-09 по 11-12, очередь на ревью продолжает расти (в выпуске 11-09 более 20 пунктов, в выпуске 11-10 — 15, в выпуске 11-11 — 9, в выпуске 11-12 — более десяти).
  • Тематика на ревью сместилась с «добавления операторов» на «добавление интерфейсов инструментальной цепочки и семантическую согласованность»: #3892 (поддержка torch.compile для AscendC и PTO), #3893 (прямая деквантизация аккумулятора int32 при копировании из L0C в GM), #3891 (сброс L2 в benchmark через aclrtDeviceL2CacheFlush), #3894 (исправление PTO VMI descriptor); со стороны операторов — #1970 (прямой проход multi-head Gated MLA в обеих линиях PTO и AscendC), #1994/#2004/#1952 (триплет fla_chunk: inter, intra, intra_token_parallel), #1605 (прямой проход декодирования и чанкового prefill для Kimi Delta Attention, цель 910B), #1989 (обновление catlass до v2.2.0).
  • Со стороны примеров и документации идёт наполнение бенчмарков операторов: #1558 (rms_norm, 20 кейсов cann-bench), #1748 (NMS, 20 кейсов), #1607 (GroupNorm, 20 кейсов), #1677 (строки документации и тесты sin/cos), #1732 (поддержка in-place T.tile.silu/sigmoid в двух бэкендах).
  • Семь коммитов, слитых в выпуске 11-09, по-прежнему находятся в ascendc_pto: #1949 величина сдвига тензора, #1959 форма workspace uint8 для PTO bitwise_xor, #1866 прямой проход Chunk O, #1802 обратный проход Chunk O, #1869 SeeSaw для Sparse MLA Forward, #1953 пример и тесты fla_chunk_o, #1990 получатели уведомлений CI ежедневного тестирования.

Hygon (tilelang-hygon)

  • #36 распределённый набор из трёх компонентов 12.11 в 16:20 влит в ветку distributed, а не в main: GEMM+AllReduce с Block-Push, GEMM+ReduceScatter с Block-Push, AllGather+GEMM с Block-Pull, 6 файлов +2022/−0, данные о производительности и описание реализации записаны в README; выбор пути зависит от размера домена связи и окна перекрытия. main и v0.1.15-release имеют одинаковую ссылку, distributed уже отдельно содержит сигнальные примитивы от 03.11, пример push-wave reduce-scatter от 29.10 и набор из трёх компонентов текущего выпуска.
  • #37 ([HCU] Support ds_read_vector Alt2 and inferred LDS layouts) открыт 12.11 в 11:21, добавляет вторую форму кодирования ds_read_vector и LDS-раскладки, выводимые из ограничений, в одной линии с влитым 06.11 #34 (XOR shuffle на стороне reduction и распространение ограничений раскладки).
  • Ветка tilelang-tileops-fix с 12.11 15:41 по 21:14 получила десять коммитов: генератор случайных чисел hipRAND, встроенный cache_warmup, rebase загрузок буферов, финальную развёртку при вычисляемом во время выполнения trip count, широковещание 8-битных целочисленных векторов, диспетчеризацию встроенных cos/sin, lowering shuffle и full-wave shuffle-редукцию, а также три исправления времени компиляции: несовпадение размеров __builtin_bit_cast, усечение fp64 и неоднозначность hexp. Эти десять коммитов и составляют содержимое ветки долго находящегося на рассмотрении #27 ([Fix] Fix intrinsic lowering, precision, and integer vector codegen) — на стороне Hygon сейчас форма «один долгоживущий PR несёт одну линию разработки».
  • В выпуске от 09.11 уже влиты два изменения для одиночной карты: #33 scaled cast, #34 lane swap и вывод раскладки для reduction; в том же окне #35 сообщает о проблеме архитектурного уровня — K500SM_AI (gfx928) объявлен поддерживаемым в HCU_MCPU_SET, determine_target("auto") также его распознаёт, но в C++-части src/hcu/ повсеместно отсутствует ветка gfx928, из-за чего получается «объявлена поддержка, а на деле не компилируется»; автор сообщения указывает, что у gfx928 нет FP64, части инструкций Matrix Core и INT4.
  • В репозитории сейчас 15 веток: шесть из серии feat/hcu-*, одна distributed, одна tilelang-tileops-fix, рабочий фронт охватывает три слоя — инструкции, связь и совместимость операторов.

mlir-ascend (путь переписывания на MLIR)

  • Ветка harness: три коммита за один день (12.11), всего +7632/−24, 64 изменённых файла, ни один не попал ни в main, ни в master: #220 (14 файлов, +1014/−12) — workflow эмуляции трассировки Ascend950 (сбор через msprof, просмотр в MindStudio Insight, dump GET/RLS событий в том же запуске, экспорт npusim SQLite для построения временной шкалы; 38 существующих тестов полностью прошли в WSL); #221 (45 файлов, +5178/−12) — устанавливаемая версия руководства по проектированию операторов (декомпозиция этапов, выбор SIMD/SIMT, бюджет памяти, конвейеризация тайлов, прилагаются калькулятор Cube MFU и условный Roofline, а также сохранены снимки девяти upstream-материалов TileLang Skill для офлайн-чтения); #226 (5 файлов, +1440/−0) — примеры квантизации Gemm для BMM и w4a8, в том же пакете добавлен пример conv.
  • #222 (пять файлов workflow, +7/−9) влит в master в 10:27: изменён только блок on: в каждом файле workflow, проверки PR сведены к «lint чистого кода + одна линия AscendC для Ascend 950», все самостоятельно поддерживаемые ветки NVIDIA, AMD gfx942 и macOS убраны. Для downstream это означает, что базовый порог допуска в репозитории отныне включает только одно поколение оборудования, и регрессия на старом поколении Ascend больше не является условием слияния.
  • Диалект TL за один день пополнен пятью операторами (12.11 17:49 — 13.11 05:45): #228 tl.xor, #229 tl.pow, #231 tl.print, #232 tl.sort, #233 tl.reshape — все построены на базовом классе TL_BinaryOp<...>, введённом в #203, по шаблону #218 (and) и #225 (or). В части разделения ролей: tl.reshape — чисто view-оператор (не несёт операндов назначения, сводится к memref.reinterpret_cast), tl.sort сводится к hivm.hir.vsort, tl.print — к hivm.DebugOp.
  • Выпуск от 10.11 #217 (4 файла, +140/−16) влит в ветку harness: при записи hot-знаний одновременно сохраняется снимок свидетельств, запрещается утверждать разные записи одним и тем же номером согласования, cooled-знания хранятся вне временной рабочей области, при обнаружении повреждённых файлов в каталоге знаний выдаётся предупреждение с возможностью продолжить просмотр; критерий проверки — 25 тестов CPU пройдены. Выпуск от 11.11 #219 влит в harness, #223/#224 закрыты, #225 повторно подан с тем же содержимым (локальный ctest 14/14).
  • Смысл пополнения диалекта — в покрытии: маршрут MLIR должен принимать все распространённые операторы upstream TIR, отсутствие хотя бы одного вынуждает обходить его на уровне TIR, а места обхода — это и есть места расхождения с поведением основного репозитория.

MetaX (tilelang-metax)

  • Единственный push выпуска 09.11 продвинул main с a35f8ddf до 64b52b4b, но tip-коммит — upstream #3760 ([Language] Reuse macro transformation templates, дата коммиттера 05.11), это синхронизация с upstream без собственных адаптационных коммитов — четвёртое подряд окно мониторинга у MetaX без собственных изменений. В окне 10.11–12.11 слияний и релизов не было, последний push — 06.11 (последний коммит в main — #162, вливающий upstream main в dev).

Moore Threads (tilelang-musa)

  • В окне мониторинга в tilelang-musa коммитов нет, последний push — 10.11; последний тег по-прежнему v0.1.14+musa.1 (11.09). Однако в экосистеме проект уже вошёл в реальную цепочку инструментов: в анонсе Kimi-K3.1 Pro Day-0 от Moore Threads от 06.11 путь миграции явно указывает «через библиотеку операторов MATE, Triton-MUSA, TileLang-MUSA и компилятор MTCC выполнить миграцию и подключение ключевых вычислительных путей новой архитектуры».
  • Стоит отметить две правки в документации: #11 переводит официальную версию комплекта MUSA SDK с v0.1.12+musa.2 на v0.1.12+musa.5, требование к среде выполнения C повышено с glibc 2.28 до 2.34 (это требование соответствующего wheel TVM FFI), и явно указано, что пакет комплекта SDK и открытый релиз — два разных канала, которые не могут заменять друг друга; #12 сводит раздел установки в README к одному набору команд (+10/−49), исправляя проблему «повторяющаяся команда установки одиночного пакета заставляет пользователя установить только TileLang-MUSA и пропустить TVM FFI». Три номера версий (открытый тег v0.1.15+musa.1, комплект SDK v0.1.12+musa.5, сверка на странице релизов v0.1.13+musa.1) нужно проверять по отдельности, нельзя смотреть только на мажорную версию.

ROCm (бэкенд HIP)

  • См. третий пункт «1. Главные новости недели». Из семи коммитов наиболее ценным для архива является фактическое условие в #3957: на gfx90a fp16 GEMM размером 256×128×32 компилируется в 143 VGPR плюс 128 AGPR с занятостью 1, и независимо от того, сколько осталось LDS, разместить можно только один блок на CU; корневая причина #3960 в том, что в HIP uint2/uint4 являются структурами, векторное копирование в локальный массив или из него деградирует до memcpy, после SROA массив всё ещё остаётся в стеке, а на clang 18 / ROCm 6.2.4 fp16-фрагмент, живущий через цикл и содержащий по 2 строки K и V на поток, съедает 80 байт scratch на lane.

Metal

  • #3906 ([Metal] Resolve the auto execution backend to tvm_ffi) и #3804 (смещение области для 2D simdgroup fill) на рассмотрении, #3912 исправляет тихое переполнение границ из #3907. Сторона Metal в этом месяце уже третий раз попадает в окно мониторинга, смещаясь от добавления операторов к исправлению границ корректности, что обычно означает, что кто-то начал по-настоящему запускать нетривиальные по форме задачи на чипах Apple.

Sunrise (независимый дистрибутив)

  • В репозитории бэкенд-дистрибутива ветка main всё ещё находится на fb7d3d62 от 23 октября, за окно мониторинга было только одно действие — создание и удаление ветки CI: в 18:17:24 создана ci/sunrise-0.1.15-1.2.1-r6, в 18:18:44 удалена, интервал 80 секунд. Имя ветки даёт комбинацию версий: 0.1.15 соответствует upstream-базе, 1.2.1 поднята с 1.2.0 в имени ветки-кандидата от 19 октября, r6 — 6-я ревизия. Это означает, что бэкенд по-прежнему следует за основной линией и выпускает ревизии в своём темпе, просто в этом выпуске он остановился на сборке, а не на коммитах.

Бэкенд RISC-V и сообщество (специальное наблюдение)

  • Четыре источника: шестое окно подряд без изменений (архив 11-07, 11-09, 11-10, 11-11, 11-12, 11-13): в kubuds/tilelang-riscv-kubuds (маршрут бэкенда TVM) две ветки с префиксом kubuds- зафиксированы на kubuds-riscv-karen fc62939 и kubuds-riscv-mahiru 33e0c89, main — только синхронизация с upstream; в RuyiAI-Stack/tilelang-riscv (переписывание MLIR, target="riscv") main зафиксирован на 57c548c; в TongmingLAIC/tilelang-riscv (индексная страница сообщества) main зафиксирован на 4499c2a, проекты в таблице без добавлений и удалений; в TongmingLAIC/tilelang-tpu (SOPHGO TPU) main зафиксирован на 303759f, feature/sg2260e-rv-support — на 122bc59. Согласно установленному регламенту, пустой вывод скрипта фиксируется как «без изменений» и не считается сбоем сбора; при проверке PR на индексной странице в выпуске 11-13 произошло ограничение анонимного API, в результате чего был выполнен откат к сравнению только ссылок.
  • Линия Weft за пределами четырёх источников (Tianchen-ai/tilelang-weft): форк upstream tilelang v0.1.15, в который добавлена модель программирования Weft CPU — в нативный AST TileLang добавлены пять категорий авторской информации: поле Encoding и битовые уровни, логические оси и домены тайлов, Level и пофазовые снимки, групповые partials с конечной разрядностью и явным преобразованием, а также глубина конвейера на цикл; затем единый набор общих физических проходов одновременно покрывает RISC-V и x86 (одна и та же конструкция исходного кода соответственно входит в пути реализации RVV/IME или x86 SIMD/AMX). В окне 11-10 в этот репозиторий было сделано 17 коммитов, в эталонный репозиторий tilelang-weft-bench — ещё 23 коммита, сосредоточенных на декодировании упакованных строк (Q1/Q2/Q4_K/Q6_K/IQ3/IQ4), сокращении на уровне записей IME1/IME2, сокращении по измерению K во время выполнения и динамическом обходе rotary; 11-11 метка релиза была заменена на weft-parity и переписаны таблица результатов и руководство.
  • Два набора методик необходимо читать раздельно: старая таблица выпуска 11-10 — это «150 ID операторов образуют 553 платформенных кейса, 543 кейса имеют внешний эталон, численная проверка прошла 553/553, быстрее эталонной реализации только 41 кейс, медиана на SG2044 — 0.0580x»; новая таблица выпуска 11-11 — это «все 553 пункта имеют соответствующее нативное сравнение с Triton, каждый пункт удовлетворяет ограничению не более 1.03x (SG2044 133/133, K1 137/137, K3 A100 136/136, x86 147/147), медиана отношения к внешнему эталону: SG2044 1.3598, K1 1.3176, K3 A100 1.6569, x86 1.2917». Источник скачка записан в заголовке коммита — «наследование производительности общего компилятора четырёх платформ», то есть тестируемый объект был заменён с «написанной автором программы» на «продукт общего канонического компилятора», а не одно и то же реализация ускорилась в двадцать раз за один день. При цитировании это необходимо указывать явно.
  • Раскрытие одной ошибки в самом сравнении: две проверки Q1 для K3 ранее использовали сохранённую каноническую программу Triton, которая при взятии отрицания от −128 переполнялась — на граничном входе получалось −2048, тогда как правильный результат должен быть 0. После повторной генерации общим компилятором с исправленным точным сокращением I8 продукты обоих фронтендов проходят этот вход; исторические затраты времени сохранены в triton_historical_us, пояснение об исправлении записано в triton_control_note.
  • Технические маршруты по-прежнему необходимо различать: Weft идёт по маршруту CPU с ранним импортом нативного AST TileLang в собственный канонический IR, что не совпадает с бэкендом TVM, продолжаемым ветками с префиксом kubuds-, и с переписыванием MLIR Linalg/SCF в RuyiAI-Stack/tilelang-riscv; все три нельзя смешивать.

4. Экосистема и стороны внедрения

TileOPs

  • Темп: за пять выпусков влито 33, 18, 4, 0, 0 коммитов — самый активный репозиторий во всей организации, однако в двух последних выпусках основная ветка непрерывно оставалась без коммитов (голова зафиксирована на 9bf4bf56, 11-10 09:59), единственная запись в окне — обновление ветки stats в 23:17 (chore(stats): refresh manifest stats from 9bf4bf56...). Пять PR по производительности, зафиксированных в предыдущем выпуске (#2894–#2898), в окне 11-13 не появились в списке рассматриваемых обновлений, что означает: они ни влиты, ни продвинуты дальше.
  • Распределение возможностей 33 коммитов выпуска 11-09: поэлементная сторона и сторона редукции — #2869 (обратная величина float32, по два 16-байтовых вектора на поток; 16 млн строк в 16 вариантах размещения памяти изначально отставали от torch.compile в 12, худшее отношение 0.9917, после изменения не отстаёт ни в одном), #2867 (сравнение строкового вещания разбито на два раунда, число блоков вдвое меньше, 16-битное ne заменено на одиночную __hneu, исправлено чтение NaN как истины в logical_and/or, автор отметил, что ниже целевой планки), #2851, #2862; сторона нормализации и внимания — #2866 (RMSNorm шириной 8192 с длинным запуском переведён на двукратное чтение, четыре строки по 256 ширины на warp), #2846, #2848/#2854/#2843; сторона GEMM и квантизации — #2863, #2864, #2865, #2853, #2844, #2842; сторона хранения и пулинга — #2868 (обмен 16-байтовых позиций int64 между соседними lane заполняет каждый 16-байтовый store до 32-байтового сектора — vgg-block изначально на 501760 записей выдавал 900444 сектора и застревал на drain при выходе из warp).
  • Сконцентрированное закрытие поверхности поддержки SM89 (выпуск 11-09): #2855 открывает обычный FP8-kernel переменной длины GQA (реализация warp specialization по-прежнему ограничена SM90), #2840 prefill sinks, #2845 dense decode sinks, #2841 выровненный FP8 grouped GEMM; эти изменения означают, что SM89 (класс RTX 6000 Ada, L40S) больше не архитектура, «на которой можно запускать только эталонную реализацию CUDA». Автор #2855 прямо заявил: «кандидат всегда выполняется перед Torch, эффект порядка выполнения не контролировался».
  • Пограничные исправления 18 коммитов выпуска 11-10: #2878 пустое сокращение K=0 на SM89 сообщает OpNotAvailableError (test_gemm.py -m "smoke or sm89" с 63 passed 6 failed становится 66 passed 4 failed); #2876 fused RoPE переменной длины GQA зависает, когда половина ширины вращения дополняется padding до некратности числу потоков (добавлен split_reads, разделяющий «чтение плюс вращение» и «запись обратно» на два раунда); #2880 обратный проход float32 GLA при chunk 64 требует 114688 байт, а SM89 даёт только 101376, изменено на сжатие состояния элементов dv после произведения dA до 98304, градиент побитово совпадает с порядком по умолчанию.
  • Сам способ записи метрик производительности меняется: #2886 (Softmax с целой строкой в регистрах, одна экспонента на элемент) и #2871 (экспонента заменена на голую MUFU.EX2 плюс одна обратная величина строки, добавлен exp_shifted_scaled, гарантирующий, что члены, округляемые до ненулевого float32, остаются нормальными числами) дают снижение исполнительных инструкций на 23% при 512 столбцах и на 21% при 2048, bf16 512 столбцов 16.67 микросекунды против quack 16.35, 2048 столбцов 62.99 против 62.21; #2884 (блок RMSNorm из 64 потоков запрашивает у компилятора верхний предел резидентности SM в 32 блока, иначе ptxas даёт 40 регистров, H200 удерживает только 24 блока, активность warp на коротких строках падает до 64%) вместе с #2870, #2885 указывают на группу параметров второго порядка: «сколько регистров на поток, сколько блоков на SM, сколько dispatch на блок».
  • Замкнутый цикл разделяемой памяти четырёх коммитов выпуска 11-11: #2891 прямой проход при chunk 128 и dim_v 64 требует нижнюю границу walk 114688 (dim_v 128 требует 131072), SM89 даёт только 101376, изменено на переход к recurrence, требующему лишь 98560, при нехватке места; #2890 обратный проход w/u получает переключатель reuse, S, du, Aw после последнего чтения принимают буферы dh, v_new, Au, 114944 сжимается до 98560, дополнительно после вычисления _parallel_live_bytes refusal заставит SM90 также отклонять вызовы, которые три коммита основной ветки пропустили, но которые не запускаются; #2889 сначала ставит check_held_launch перед отметкой по архитектуре, на SM89 четыре тестовых файла из 40 passed 9 failed 3 skipped становятся 35 passed 3 failed 14 skipped, на одиночном SM90 все 46 пунктов проходят. Цифры производительности зафиксированы честно: #2891 на SM89 медленнее FLA chunk_delta_rule на 9%–41%, #2890 обратный проход 1.530 миллисекунды против

Задержка FLA 1,554 мс (отношение 0,98).

  • Производительные PR выпусков 11-12 и 11-13: #2895 заменил W4A16-плитку с разбиением вдоль K на две части на кластер из пары CTA, принимающий FP32 partial через st.async в разделяемой памяти партнёра; chunked-prefill-tile снизился с 37,3 мкс до 34,7; #2896 поверх него добавляет написанный вручную warp-специализированный главный цикл, снижая до 31,6 мкс — в 1,19 раза быстрее матричного умножения с деквантизацией в torch; #2894 вернул stage_scales для prefill DeepSeek-V3 с 1 на 0: верхняя проекция 269,3 → 262,0 мкс, нижняя проекция 142,2 → 137,2 мкс; #2898 помечает softmax-кластер из двух CTA как bar met; #2897 помечает селектор long-K NT GEMM как below bar, количественно выражая тезис «при упоре в энергопотребление нельзя использовать число тактов как критерий» — плитка шириной 176 имеет на 2,7% меньше тактов, чем DeepGEMM, но на 21% больше байт операций, перемещаемых в SM, и поэтому работает на более низкой частоте.
  • Ночная очередь закреплена в виде доски: три изменения CI выпуска 11-09 превратили результаты прогонов в исполняемую очередь — #2849 записал очередь разрывов производительности в Perf Tracker вики, #2852 синхронизировал её с доской проекта GitHub, #2856 автоматически перемещает в Done после догоняния оператора; 11-11 в 19:52 страница Perf Tracker вики этого репозитория была создана (соответствует одной ночной синхронизации). Ветка snapshots в 11-13 04:33 указывает на bench: 9bf4bf56... (run 43264767627), базовый коммит совпадает с текущей головой основной линии, поэтому в эту ночь тестировался один и тот же неизменённый код, и различия снимков двух последовательных ночей могут происходить только от колебаний среды.

TileFoundry

  • Помимо пяти слияний выпуска 11-09, #290 (отношения isl остаются точными на делителях-произведениях констант, что предотвращает ошибочные суждения анализа планирования из-за целочисленных приближений) и #288 (учёт «завершённых частичных редукций» в стоимости, исправляя прежнее смещение оценки по незавершённым) исправляют приближения самого анализатора. Находящийся на рассмотрении #292 должен поддержать межCTA-частичную редукцию и split-K планирование, что напрямую стыкуется с семантикой размещения, определённой в #293 — #293 уже ограничил межCTA-частичность рамками анализа распределения, а lowering редукции, чтение нескольких копий gmem во время выполнения и split-K планирование оставлены для #292; если эта линия будет слита, TileFoundry сможет выражать распространённую форму распределённого GEMM «тензор разрезан по CTA, каждая пишет свою частичную сумму, в конце объединяются».
  • После реорганизации спецификации исходного кода в выпуске 11-10 zhen8838 за одну минуту в 02:42 открыл четыре подряд (#314–#317), все помечены как «обнаружено при чтении кода, не воспроизведено программой»: ключ кэша JIT печатает только входную функцию и топологию, вызываемые функции фигурируют лишь по имени, поэтому два Module с одинаковым текстом входной функции, но разными вызываемыми получают один ключ; при отсутствии topology_level по умолчанию берётся первая допустимая топология без вопроса, какие уровни цели объявили max_physical_units; для циклов с глубиной меньше 4 курсор продвигается на длительность одного тела цикла, а не на весь диапазон цикла, и работы после цикла не ждут его завершения; в passes.md §7.1 записано, что возвращаемое значение вызываемой функции для внутрикристальной памяти должно копироваться в буфер вызывающего, иначе происходит сбой с LoweringError, однако в convert_hir_to_tir соответствующая реализация отказа отсутствует.
  • Два исправления выпуска 11-12 на рассмотрении: #323 исправляет потерю парсером срезов, начинающихся с нуля (при перенумерации threads[0:16] через Mesh по layout=(16,), если выбор начинается со смещения 0, парсер при построении нового mesh теряет срез, и после понижения больше не выдаётся охрана contains, вследствие чего каждый поток этого уровня исполняет данную область; а форма прямой записи with threads[0:1] as writer: сохраняет срез и ведёт себя корректно); #324 исправляет арифметику размерностей в codegen (при границах цикла из координат mesh сообщается no codegen handler for DimMul on cuda.Target, общий рендерер скаляров обрабатывает сравнения, но не арифметику размерностей, а три эмиттера CUDA каждый поддерживают собственную таблицу + - * / %).

topa (автономный конвейер разработки kernel)

  • В выпуске от 11-09 за два дня 15 слитых коммитов закрепили «один раунд» в виде команд: topa hunt берёт из wiki актуальную ночную очередь разрывов производительности, topa round start <Op> запускает раунд «один агент, одна GPU, один оператор», topa round status показывает агента и PR каждого раунда, topa review prepare <PR> выполняет ревью по контрольному списку. Сопутствующие изменения включают ограничение тела PR до Summary, переносимого squash-коммитом, привязку к раундам очереди предыдущих попыток по этому оператору, ревью всего diff по контрольному списку до открытия PR, round stop --rm для очистки worktree текущего раунда, а также прогон в CI модульных тестов и ruff на Python 3.11 и 3.13. Это не изменение компилятора, но оно объясняет, почему perf-PR проекта TileOPs смогли за два дня выстроиться в очередь из 33 штук.

Пользователи и третьи стороны

  • Официальные пользователи: оба репозитория всю неделю без пушей: deepseek-ai/TileKernels остановился на 10-14 (2072★), QwenLM/FlashQLA остановился на 10-30 (755★).
  • Сторонние репозитории: Index4NekoMeteor/Tilelang-AttnRes реализует на TileLang архитектуру Attention Residual модели Kimi K3 (только прямой проход, тестовая среда Windows 11 / 9800X3D / RTX 5080); kevin3113/models-tilelang содержит примеры фрагментов модели DeepSeek V4.1 Flash, где L0 «выход Attention + предобработка FFN» собраны из 7 операторов ops-tilelang; Atlas-Ascend-Fork/ops-tilelang (создан 10-20, 88 публичных репозиториев) описывает себя как «репозиторий высокопроизводительных операторов TileLang сообщества CANN для NPU Ascend», 11-09 в 19:57 и 11-12 в 14:23 было по одному пушу; имя аккаунта содержит Fork, это не организация tile-ai и не официальная организация Ascend, официальный статус невозможно определить по самому репозиторию, поэтому он лишь зафиксирован как сигнал.
  • Бэкенд для NPU Hexagon (сторонний fork): xwhzz/tilelang-hexagon добавляет бэкенд TileLang для NPU Qualcomm Hexagon, разработан и проверен на v79 cDSP телефона Snapdragon 8 Elite, компилирует T.copy, T.gemm, T.Parallel, T.reduce_*, T.Pipelined в векторный код HVX, матричное умножение HMX, буферы VTCM и потоки DMA, выполняемые на NPU через FastRPC. LFM2-1.2B при batch 1 полностью работает на NPU end-to-end, prefill, decode и сэмплирование целиком написаны на TileLang; проекции — 4-битный GPTQ (один fp16 scale на каждые 64 столбца), связанные embedding и head — 8-битные; перплексия на устройстве на WikiText-2 составляет 16.68, эталон bf16 — 16.29. Производительность: decode 128 token — 80.1 token/s (потолок 83 token/s, достигнуто 96% потолка), prefill 1024 token — 176.2 мс, то есть 5813 token/s (потолок 129 мс, достигнуто 73% потолка), взята медиана пяти запусков bench.py, замер включает накладные расходы вызовов FastRPC и не включает токенизацию и обмен с ПК. В README также указано, что этот бэкенд и модель «переписаны под руководством мейнтейнера одним агентом для написания кода на базе AI», с 2026-10-26 по 10-29 было подано 75 PR, что составляет более 80% текущего кода, тестов и документации.

5. Сообщество, обучающие материалы и мероприятия

  • Сайт документации: tilelang.github.io с 11-06 по 11-08 содержит шесть коммитов Update docs (соответствуют текущему раунду именования ядер, многоисточниковому кэшу и примерам CuTeDSL в основном репозитории); проверка в день релиза показывает, что последний пуш был 11-11; TileOPs.github.io имел по одному пушу 11-09 и 11-10. Ветка snapshots в TileOPs-nightly автоматически записывается каждую ночь и в статистике «пушей в окне» выглядит очень похоже на настоящие коммиты кода — необходимо различать по веткам.
  • Новостная сторона: пять выпусков за неделю — ноль попаданий: запросы Google News на китайском и английском (включая группы «TileLang», «TileLang OR tile-ai», «TileOPs или TileRT») после фильтрации по времени публикации дают ноль попаданий в окне; последние попадания по-прежнему приходятся на статью в Caifuhao от 10-28 и SemiAnalysis от 10-21; попадания на Hacker News — всё это шум с одинаковыми названиями (Emma — персонаж реального видео, Vibe Slopped Cryptography, Senior Pipeline Crisis, LimbaKit, Monoprint, VoxaDub, инструмент классификации тегов, сайт рейтинга проектов и т. д.); на arXiv all:"TileLang" даёт всего 10 записей, последняя — всё ещё v2 статьи о раздельном сжатии KV для инференса от 11-03. Несколько дней подряд нулевых попаданий на новостной стороне — это норма для TileLang: распространение проекта идёт в основном через GitHub и сообщества разработчиков, а не через новостные индексы.
  • 11-06 Moore Threads завершила адаптацию Kimi-K3.1 Pro Day-0: на базе MTT S5000 и MUSA завершена адаптация модели с 3 трлн параметров и контекстом 1 млн — отлажены загрузка модели, запуск сервиса и цепочка инференса текста/изображений; в официальном описании указано, что upstream-реализация подхвачена через SGLang-MUSA, а миграция ключевых вычислительных путей выполнена с использованием библиотеки операторов MATE, Triton-MUSA, TileLang-MUSA и компилятора MTCC; выбор индексов разрежённого внимания DSA, раскладка KV-кэша и пути Prefill/Decode также входят в область адаптации. В публичных сообщениях упоминается конфигурация верификации: 6 серверов по 8 карт S5000, всего 48 карт; само объявление не раскрывает цифры пропускной способности и параллелизма.
  • Слухи того же дня требуют пометки: английская статья Foro3D от 11-06 утверждает, что DeepSeek планирует обучать с нуля около 8 трлн параметров V5 на Huawei Ascend 950DT (Atlas SuperPoD), и что программный стек использует TileLang, DeepGEMM-Ascend и FlashMLA для повышения MFU до 45%, а объём закупки — 160 тыс. чипов. DeepSeek официально не публиковала планы V5; общедоступной последней информацией остаётся серия V4.1 (V4.1-Flash и V4.1-Flash-1017 от 10-17); сторонние трекеры также помечают V5 как невыпущенную — можно фиксировать только как слух.
  • Смежные технологические события (11-10): инженерный блог Meta опубликовал «How We Built TLX: A Hardware-Native GPU Compiler for Production ML at Scale» — речь о Triton Low-Level Extensions: поверх блочной модели программирования Triton добавлены явная организация на уровне warp-group и cluster, позволяющая разработчикам использовать такие возможности исполнительного уровня, как warp-специализация, асинхронные перемещения и tensor memory, не отказываясь от скорости разработки Triton; в статье приведены три направления, уже работающие в продакшене (обучение рекомендательных систем, инференс рекомендательных систем, крупномасштабное предобучение LLM), и график роста числа внутренних ядер Meta за 10 месяцев (число ядер Triton выросло примерно в 3,8 раза, CUDA — примерно в 2,0 раза). Это альтернативное решение на той же дорожке, что и TileLang: TLX дополняет Triton снизу явной организацией, TileLang дополняет сверху автоматическим планированием и множественными бэкендами от DSL тайлового уровня. Это не событие проекта TileLang, фиксируется только для сравнения.

6. Наблюдение за трендами

Во-первых, период устранения последствий крупной переделки длиннее самого периода переделки, а издержки приходятся на то, что «ранее легальные программы перестают быть легальными». После того как #3512 заменил вместе векторизацию и систему типов PTO, четыре окна подряд уходят на устранение регрессий в этой области: смена бэкенда исполнения по умолчанию (11-11), целочисленные атомики (11-11, 11-12), явные параллельные циклы SIMD и факты о скалярных cast (11-12), дескрипторы VMI (11-12). Общее у этих четырёх категорий проблем не «новая функциональность считается неверно», а «старая запись не компилируется или результат изменился». Для компиляторных проектов стоимость поиска таких регрессий намного выше, чем багов новой функциональности — место ошибки часто оказывается на скаляре или адресе, не связанном с неисправностью, и по стеку невозможно понять, кто первым допустил неверное предположение.

Во-вторых, узкое место Ascend сместилось с вопроса «можно ли скомпилировать» к вопросу «согласованы ли декларация и реализация», и пропускная способность ревью является жёстким потолком на этой линии. После 14 статических дефектов в октябре две волны аудита на этой неделе просканировали разрыв от уровня параметров до уровня инструкций T.simd; практически все случаи имеют форму «заявлена поддержка, но реализация пошла другим путём» или «должно было быть отклонено, но прошло молча»; при этом на ревью одновременно находится более десяти соответствующих исправляющих PR. В tilelang-ascend ветка по умолчанию четыре окна подряд без единого слияния, при этом очередь на ревью продолжает расти, а 3060 ежедневных тестов проходят полностью — тесты покрывают легальные пути, способность отклонять нелегальные пути приходится обеспечивать аудитом. Настоящая приёмка должна смениться с «процента прохождения» на «генеративное согласование декларации и реализации»: из HCU_MCPU_SET генерировать список архитектур, которые бэкенд обязан покрывать, из реестра intrinsic — матрицу поддержки dtype/разрядности.

В-третьих, матрица бэкендов из «одного флагмана» превратилась в четыре одновременных старта, а глубина вложений разделилась на четыре категории. В этом выпуске все восемь коммитов основного репозитория относятся к Ascend, но в том же окне ROCm одной серией открыл семь коммитов, Hygon одна ветка за день — десять коммитов, Sunrise проходит релизный конвейер (ci/sunrise-0.1.15-1.2.1-r6 создан и удалён за 80 секунд), Hexagon в форме личного fork продвигает TileLang на DSP телефонов. Четыре формы (встроенный в апстрим бэкенд, адаптационный репозиторий вендора, независимый дистрибутив, сторонний fork) соответствуют четырём уровням глубины вложений; эта дифференциация сама по себе является пригодным индикатором степени зависимости каждого вендора: репозиторий вендора следует за версией, дистрибутив — за основной веткой, fork — за собственным железом.

В-четвёртых, ценовой разрыв TileFoundry раз за разом отбивается со стороны операторов, и это опаснее, чем замедление отдельного оператора. #318 прямо говорит, что то же поведение сообщалось в четырёх закрытых issue, все были помечены not planned, и текущая сборка по-прежнему воспроизводит его; #319 сразу даёт пять пунктов с отклонением 962.1 против 1213.6 GFLOP (26%); спецификация мантиссы bf16 между check --help и аппаратной реальностью расходится на целый разряд. Анализатор — предпосылка маршрута TileLang «сначала оценка стоимости, потом выбор планировщика»; отклонение оценки на 26% заставит автовыбор систематически ошибаться на граничных сетках. Такие разрывы не замедлят ни один отдельный оператор, но заставят автоматику тихо принимать неверные решения.

В-пятых, «инженерия для agent» начинает появляться в масштабе. Ветка harness в mlir-ascend за день +7632 строк, содержимое — библиотека навыков, процесс трассировки симуляции и калькулятор Roofline, обслуживающие «людей или agent, пишущих операторы», а не сам компилятор; в ту же неделю README форка Hexagon прямо указывает, что бэкенд и модель переписаны AI agent под руководством мейнтейнеров, 75 PR за четыре дня составляют более 80% текущего кода. Оба события совпадают по направлению: абстрактный слой таких DSL, как TileLang, попадает ровно в гранулярность «agent способен написать правильно», поэтому экосистема начинает прокладывать инструментальную цепочку для agent, а не только документацию для людей. За этим пунктом стоит следить еженедельно.

В-шестых, четыре источника RISC-V молчат шесть окон подряд, что образует заметный контраст с общей активностью, но способ квантификации разрыва на этой неделе изменился. Маршрут TVM, маршрут MLIR, страница индекса сообщества, TPU Sophon — все четыре апстрима остаются на прежних ссылках; линия CPU за пределами четырёх источников после смены методики 11-11 дала вывод 553/553 в пределах 1.03x от Triton, но тот же набор кейсов днём ранее был «41 кейс быстрее эталона, медиана SG2044 0.0580x». Оба набора цифр не являются подделкой; разница в том, является ли измеряемый объект «написанной автором программой» или «продуктом общего компилятора». Настоящая точка наблюдения: сможет ли этот подход «один компилятор, два фронтенда» обратно войти в апстрим, и будет ли путь RVV/IME впервые пройден проектами за пределами четырёх источников. Застой означает не отсутствие работы, а то, что официальные четыре источника ещё не сформировали контур «автоматического обнаружения разрыва, автоматической проверки, автоматической постановки в очередь».


Приложение: материалы и пояснения к проверке

Таблица проверки источников

Источники Результаты проверки
Организация tile-ai по репозиториям (30 репозиториев) Проверка 168 часов после даты релиза: в окне 12 пушей (tilelang, TileOPs, TileFoundry, tilelang-ascend, tilelang-hygon, tilelang-mlir-ascend, tilelang-musa, tilelang-sunrise, TileOPs-nightly, tilelang.github.io, TileOPs.github.io, topa)
Основной репозиторий tile-ai/tilelang За пять выпусков слито 8, 1, 3, 3, 5 коммитов; за выпуски 11-12 и 11-13 в сумме +1903/−617, всё Ascend; новых issue за пять выпусков соответственно 50, 6, 10, 35, 18
TileOPs За пять выпусков слито 33, 18, 4, 0, 0 коммитов; в выпуске 11-13 однократное обновление ветки stats; голова основной ветки 9bf4bf56 (11-10 09:59)
TileFoundry В выпуске 11-09 слито пять коммитов; в выпуске 11-10 #312 реорганизация 1491 файла; в выпуске 11-12 #323/#324 на рассмотрении; новых версий нет
topa В выпуске 11-09 за два дня слито 15 коммитов; нет issue, нет release
tilelang-ascend Ветка по умолчанию ascendc_pto с 11-06 четыре окна без слияний; очередь на рассмотрении продолжает расти; ежедневные тесты 3032 / 3060 пунктов полностью пройдены — записи есть в каждом выпуске, в 11-12 одно падение с повторным уведомлением (один и тот же run 43124767679, два оповещения)
tilelang-hygon В ветку distributed слит #36 (+2022); в ветке tilelang-tileops-fix десять коммитов за день; #37 на рассмотрении; #27 длительно несёт одну линию разработки
tilelang-mlir-ascend В ветку harness слиты #217, #219 и три коммита (+7632/−24); в master слит #222 ужесточение проверок; пять операторов диалекта TL на рассмотрении
tilelang-metax Пуш в выпуске 11-09 — синхронизация с upstream (tip — #3760), собственных коммитов нет; последний пуш 11-06
tilelang-musa Слиты #11 (документация +24/−24) и #12 (README +10/−49); в окне коммитов кода нет; последний тег v0.1.14+musa.1 (09-11)
tilelang-sunrise main остановлен на 10-23; ci/sunrise-0.1.15-1.2.1-r6 удалён через 80 секунд после создания
Страницы релизов (tilelang / TileOPs / TileFoundry / musa) За всю неделю новых тегов нет: v0.1.15 (09-30), v0.1.0 (10-27), v0.0.4rc1 (10-25), v0.1.15+musa.1 (09-30); PR номера версии 0.1.16 #3887 висит с 11-09 03:07
Принимающие стороны TileKernels / FlashQLA За всю неделю пушей нет (10-14 / 10-30)
Обход четырёх источников TileLang×RISC-V Шесть окон подряд без изменений; в выпуске 11-13 интерфейс PR индексной страницы ограничен по частоте запросов, деградация до сравнения только ссылок
Сторонний TileLang–Weft / weft-bench В окне 11-10 17 и 23 коммита; 11-11 выпущен weft-parity, 553/553 в пределах 1,03× от Triton; старое сравнение K3 Q1 с переполнением −128 раскрыто и исправлено
Сторонний Hexagon NPU xwhzz/tilelang-hexagon 11-10 и 11-12 имел пуши, LFM2-1.2B прошёл end-to-end, decode 80,1 token/s, prefill 176,2 мс
Сторонний ops-tilelang Atlas-Ascend-Fork/ops-tilelang по одному пушу 11-09 и 11-12; официальный статус не подтверждён
Google News (многочисленные наборы на китайском и английском) / Hacker News / arXiv За пять выпусков ноль совпадений; совпадения HN — всё шум с одинаковыми названиями; последнее релевантное на arXiv по-прежнему 11-03 (вне окна)
Смежные технологические события Блог Meta TLX опубликован 11-10, относится к тому же направлению для сравнения, не является событием проекта TileLang

Полный список источников

Повторяющееся предупреждение для одного и того же run в tilelang-ascend (#2006, #2010) — https://github.com/tile-ai/tilelang-ascend/issues/2010

Примечания по проверке

  1. Настоящий выпуск охватывает пять рабочих дней с 9 по 13 ноября 2026 года, пять ежедневных отчётов. Выпуск от 11-09 охватывает 72-часовое окно через выходные (с 11-06 07:00 до 11-09 07:00), остальные четыре выпуска следуют друг за другом с 24-часовыми интервалами; выпуск от 11-09 не пересекается с предыдущим еженедельным отчётом (по состоянию на 11-06 07:00).
  2. Количество слитых, находящихся на рассмотрении и новых issue берётся из зафиксированных в ежедневных отчётах фактических данных поиска GitHub (is:merged, is:open, created) и перекрёстно сверяется с коммитами в основную ветку каждого репозитория. Выпуски с 11-09 по 11-12 содержат подсчёт на уровне организации, выпуск от 11-13 — подсчёт по основному репозиторию (в этом выпуске ещё три коммита приходятся на ветку harness репозитория mlir-ascend и не учтены).
  3. Слияния в ветки, отличные от ветки по умолчанию, отмечены в тексте по каждому пункту: hygon #36 — в distributed, десять коммитов в ветку hygon tilelang-tileops-fix, mlir-ascend #217/#219/#220/#221/#226 — в harness, mlir-ascend #222 — в master, TileOPs stats и TileOPs-nightly snapshots — по одному коммиту; в ветке main этих репозиториев в соответствующих окнах коммитов не было, поэтому увидеть их можно только при проверке по веткам.
  4. Показатели производительности и памяти взяты из таблиц и строк Result: в тексте соответствующих PR без повторного пересчёта; случаи недостижения целевой планки (below bar) и отставания от эталонной реализации (например, #2891 на SM89 медленнее FLA на 9%–41%) сохранены в соответствии с оригиналом.
  5. Две методики по сторонней линии Weft приведены раздельно с указанием причины переключения; старая таблица (41 случай быстрее эталона, медиана SG2044 0,0580×) не смешивается с новой таблицей (553/553, медиана 1,29–1,66); случай переполнения старого артефакта Triton при взятии отрицания от −128 в двух сопоставлениях Q1 для K3 зафиксирован согласно раскрытию в базовом репозитории.
  6. По новостной части во всех пяти выпусках совпадений не было, внешних публикаций для перекрёстной проверки прогресса проектов за неделю нет; материал о Moore Threads Day-0 является пересказом официального объявления и содержит конкретный путь миграции, материал о Foro3D — вторичный пересказ, при этом DeepSeek официально не публиковала планы по V5, в отчёте помечено как слух.
  7. Ограничения сбора: в нескольких окнах на этой неделе лимит анонимного API GitHub был исчерпан на раннем этапе, текст PR и сведения о слияниях частично дополнены через поисковый интерфейс, atom-потоки уровня веток и diff-эндпоинты; для отдельных PR число файлов и строк является возвращённым значением интерфейса, построчная сверка diff не проводилась; обзор четырёх источников RISC-V в выпуске от 11-13 из-за ограничения частоты запросов к интерфейсу PR индексной страницы был понижен до сравнения только ссылок.
  8. Настоящий отчёт не содержит никаких локальных путей, адресов прокси или внутренней сетевой информации; все ссылки являются общедоступными адресами.