AnswersPublished16 sources
FlagOS 2.2: od podpory různých čipů ke společné optimalizaci
FlagOS 2.2 se posouvá od pouhého spouštění modelů na různých čipech ke snaze znovu využívat a optimalizovat software napříč platformami. BAAI uvádí 1 454 operátorů v devíti knihovnách a zhruba o 27 % vyšší výkon operátorů v testech; konkrétní přínos pro modely a služby závisí na nasazení.
PublikovalUpraveno pomocí GPT-6 LunaObrázky vytvořeny pomocí GPT Image 2
Research answer
Key takeaways
- FlagOS 2.2 se posouvá od pouhého spouštění modelů na různých čipech ke snaze znovu využívat a optimalizovat software napříč platformami.
- BAAI uvádí 1 454 operátorů v devíti knihovnách a zhruba o 27 % vyšší výkon operátorů v testech; konkrétní přínos pro modely a služby závisí na nasazení.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How does the Beijing Academy of Artificial Intelligence’s FlagOS 2.2, released September 30 and showcased at the October 17, 2026 AI Open Co. Article summary: FlagOS 2.2’s central advance is a shift from making models run on different chips to reusing and optimizing a common software implementation across those chips, combining operator libraries, compilation, kernel generatio. Topic tags: general, documentation, general web, government. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, cha
FlagOS 2.2 míří dál než k tomu, aby model šel spustit na různých AI čipech. Jeho cílem je také znovu využívat a společně optimalizovat software napříč platformami — od knihoven operátorů přes kompilátor až po generování jader a nástroje pro nasazení. BAAI uvádí 1 454 operátorů v devíti knihovnách a přibližně 27% zvýšení jejich výkonu v testech zahrnujících více než 1 000 operátorů a 10 typů AI hardwaru. Jde o reportované výsledky, nikoli o důkaz, že se každému modelu nebo provozní zátěži zrychlí běh o stejnou míru. 6
8
Od kompatibility ke sdílení práce
To, že lze model spustit na více typech čipů, je jen začátek. Další výzvou je, aby vývojáři nemuseli pro každou platformu znovu dělat stejnou práci — například implementovat a ladit základní výpočetní funkce, tedy operátory. FlagOS 2.2 proto propojuje jejich implementace s optimalizací kompilátoru FlagTree. 6
Devět knihoven podle BAAI pokrývá 1 454 operátorů, tedy o 890 více než předchozí verze. Jednou z nich je FlagGems, knihovna napsaná v jazyce Triton a určená k podpoře inference i trénování modelů na různých softwarových backendech. 1
2
6
Další zpráva popisuje FlagGems-SGLang, který má přidávat 40 vícečipových operátorů pro funkce jako attention, aktualizaci stavů Mamba, mixture-of-experts, LoRA, vzorkování a kvantizaci. Dostupné výňatky z oficiální dokumentace a konferenčního zpravodajství však samostatně neupřesňují, na kterých platformách jsou tyto operátory dostupné ani jak byly ověřeny. Jde proto o popis uváděné funkce, nikoli o doložený výkonnostní výsledek.
Generování jader a ladění
KernelGen je automatizovaná platforma pro vývoj jader v Tritonu: umí operátory generovat, optimalizovat, testovat a nasazovat na různých hardwarových platformách. 5 Podle zprávy o vydání vytvořil během čtvrtletí 765 operátorů. U 416 z nich se uvádí úspěšné ověření přesnosti alespoň na pěti čínských hardwarových platformách. To však neznamená, že bylo ověřeno všech 765 operátorů — ani že ověřená jádra dosáhla výkonu nativních implementací nebo jej překonala.
6
Dokumentace popisuje FlagPrism jako nástroj pro ladění a analýzu výkonu programů v Tritonu napříč více backendy. 3 Zpráva o vydání uvádí podporu pěti výrobců hardwaru, mimo jiné Nvidia a Huawei Ascend. Dostupné podklady neuvádějí úplný seznam výrobců ani podrobné srovnání všech funkcí pro ladění a profilování.
6
Kvantizace a přizpůsobení modelů
FlagOS-Compressor podporuje převod kontrolních bodů modelu, kvantizaci vah, kalibraci a ověřování vytvořených výstupů. BAAI uvádí, že kvantizací modelu Qwen3.5-397B-A17B klesla velikost jeho souborů o 49,1 %. Citovaná zpráva ale neuvádí odpovídající výsledky přesnosti ani rychlosti obsluhy. Samotné zmenšení souborů proto neříká, jaký byl dopad na kvalitu modelu nebo výkon při běhu. 6
BAAI také tvrdí, že díky zásuvným modulům frameworků pro různé čipy a nástroji FlagOS-Compressor lze nový model přizpůsobit až 12 hardwarovým platformám už v den jeho uvedení. Jde o uváděnou schopnost; dostupné materiály neupřesňují, které konkrétní moduly umožnily určité přizpůsobení, ani neposkytují dost podrobností k nezávislému zopakování časového údaje. 6
Jak číst uváděná čísla o výkonu
BAAI hlásí zhruba 27% zvýšení výkonu operátorů napříč čipy v testech zahrnujících více než 1 000 operátorů a 10 typů heterogenního AI hardwaru. 6 To je výsledek na úrovni operátorů, nikoli tvrzení, že se o 27 % zrychlí provoz libovolného modelu. Výsledek při obsluze modelu závisí mimo jiné na samotném modelu, hardwaru, přesnosti výpočtů, pracovní zátěži a konfiguraci služby.
Jako příklad z provozu uvádí zpravodajský server, že propustnost logické obsluhy modelu GLM-5.3-Flash na čipu Ascend 910B dosáhla 2,04násobku hodnoty před optimalizací. Výňatek ze zdroje neobsahuje dost informací o zátěži a výchozím srovnání, aby šlo výsledek zobecnit na jiné instalace. Dostupné podklady zároveň nedokládají požadované výsledky modelu Xing4.0-29B-A4B od China Telecom napříč 10 platformami.
Proč záleží na znovupoužití optimalizací
Zpráva z konference staví do popředí nesoulad mezi rychlým vývojem AI modelů a dlouhou životností výpočetní infrastruktury. Směr FlagOS popisuje jako snahu proměnit práci na operátorech, kompilátoru a systému, původně připravenou pro konkrétní model, v opakovaně využitelné nástroje pro různé čipy. 8
BAAI dále tvrdí, že více než 80 % nasazené AI výpočetní kapacity tvoří hardware starších generací. V dostupných zdrojích jde o tvrzení organizace, nikoli nezávisle ověřenou statistiku. Pokud tento předpoklad platí, softwarové úpravy, které umožní staršímu hardwaru podporovat novější modely, mohou provozovatelům nabídnout alternativu k výměně zařízení. 6
8
Praktický závěr je slibný, ale omezený: FlagOS 2.2 podle zveřejněných údajů rozšiřuje nabídku operátorů a nástrojů pro sdílení optimalizační práce mezi čipy. Čísla ukazují, kam se projekt posouvá, sama o sobě však nestačí k rozhodnutí o nasazení. To vyžaduje testy na konkrétním modelu, hardwaru a provozní zátěži — a dostupné zprávy nezávisle nepotvrzují každé tvrzení pro všechny platformy.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "FlagOS 2.2: od podpory různých čipů ke společné optimalizaci"?
FlagOS 2.2 se posouvá od pouhého spouštění modelů na různých čipech ke snaze znovu využívat a optimalizovat software napříč platformami.
What are the key points to validate first?
FlagOS 2.2 se posouvá od pouhého spouštění modelů na různých čipech ke snaze znovu využívat a optimalizovat software napříč platformami. BAAI uvádí 1 454 operátorů v devíti knihovnách a zhruba o 27 % vyšší výkon operátorů v testech; konkrétní přínos pro modely a služby závisí na nasazení.