RéponsesPublié16 sources
FlagOS 2.2 : mutualiser l’optimisation de l’IA entre différentes puces
FlagOS 2.2 ne cherche plus seulement à faire tourner des modèles sur différentes puces : le projet veut aussi réutiliser et optimiser le travail logiciel d’une plateforme à l’autre. BAAI annonce 1 454 opérateurs dans neuf bibliothèques et environ 27 % de gain dans des tests interpuces.
Publié parModifié avec GPT-6 LunaImages générées avec GPT Image 2
Réponse de recherche
Points clés à retenir
- FlagOS 2.2 ne cherche plus seulement à faire tourner des modèles sur différentes puces : le projet veut aussi réutiliser et optimiser le travail logiciel d’une plateforme à l’autre.
- BAAI annonce 1 454 opérateurs dans neuf bibliothèques et environ 27 % de gain dans des tests interpuces.
Prompt IA
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 marque un changement d’ambition : au-delà de rendre les modèles compatibles avec différentes puces, la pile logicielle veut faciliter la réutilisation et l’optimisation du code d’une plateforme à l’autre. Elle rassemble bibliothèques d’opérateurs, optimisation par compilateur, génération de noyaux de calcul et outils de déploiement. BAAI annonce 1 454 opérateurs répartis dans neuf bibliothèques et environ 27 % de gain de performance interpuces dans des tests portant sur plus de 1 000 opérateurs et 10 types de matériel d’IA. Il s’agit de résultats rapportés par l’organisation, pas d’une garantie de gain équivalent pour chaque modèle ou charge de travail. 6
8
De la compatibilité à la réutilisation du travail logiciel
Faire fonctionner un modèle sur plusieurs puces est une première étape. L’enjeu suivant consiste à éviter de recommencer, pour chaque plateforme, le travail d’implémentation et d’optimisation des opérateurs. FlagOS 2.2 associe ces implémentations aux optimisations du compilateur FlagTree pour développer cette approche. 6
Les neuf bibliothèques réunissent 1 454 opérateurs, soit 890 de plus que dans la version précédente. FlagGems, l’une d’elles, est écrite en Triton et conçue pour prendre en charge l’inférence comme l’entraînement sur plusieurs plateformes matérielles. 1
2
6
Un article secondaire présente aussi FlagGems-SGLang, qui ajouterait 40 opérateurs multi-puces pour des fonctions comme l’attention, la mise à jour de l’état de Mamba, les modèles à experts (MoE), LoRA, l’échantillonnage et la quantification. Les extraits de documentation officielle et de couverture de la conférence disponibles ici ne détaillent pas indépendamment la compatibilité ni la validation de ces opérateurs : cette liste est donc à considérer comme une description rapportée, et non comme un résultat de performance vérifié.
Générer et déboguer des noyaux de calcul
KernelGen est une plateforme automatisée de développement de noyaux Triton : elle sert à générer, optimiser, tester et déployer des opérateurs sur différents matériels. 5 Selon les chiffres communiqués pour la version, l’outil a généré 765 opérateurs au cours du trimestre. Parmi eux, 416 auraient passé une validation de précision sur au moins cinq plateformes matérielles chinoises. Cela ne signifie pas que les 765 opérateurs ont tous été validés, ni que les noyaux validés égalent ou surpassent les implémentations natives de chaque plateforme.
6
La documentation de FlagOS décrit FlagPrism comme un outil multi-plateforme de débogage et d’analyse des performances pour les programmes Triton. 3 Les informations publiées indiquent qu’il prend en charge cinq fabricants de matériel, dont Nvidia et Huawei Ascend.
6 Les éléments disponibles ne précisent toutefois ni la liste complète des fabricants ni les fonctionnalités de l’outil, point par point.
Quantification et adaptation des modèles
FlagOS-Compressor prend en charge la conversion de checkpoints, la quantification des poids, le calibrage et la validation des fichiers produits. BAAI indique que la quantification de Qwen3.5-397B-A17B a réduit de 49,1 % la taille du fichier du modèle. Le compte rendu cité ne donne pas les mesures correspondantes de précision ou de vitesse d’inférence : la seule baisse de taille ne permet donc pas d’évaluer le compromis entre qualité du modèle et performances à l’exécution. 6
BAAI affirme également qu’un nouveau modèle peut être adapté dès son premier jour à jusqu’à 12 plateformes matérielles grâce à des greffons de frameworks compatibles avec différents matériels et à FlagOS-Compressor. C’est une capacité annoncée ; les informations disponibles ne précisent pas quels greffons ont permis une adaptation donnée ni ne fournissent assez de détails pour en reproduire le délai. 6
Comment interpréter les gains annoncés ?
BAAI rapporte environ 27 % de gain de performance pour les opérateurs interpuces, sur un périmètre de test couvrant plus de 1 000 opérateurs et 10 types de matériels d’IA hétérogènes. 6 Ce chiffre concerne les opérateurs. Il ne signifie pas que le service d’un modèle complet sera 27 % plus rapide : les résultats de bout en bout dépendent notamment du modèle, du matériel, de la précision utilisée, de la charge et de la configuration de service.
À titre d’exemple, un article de presse indique que le débit de service logique de GLM-5.3-Flash sur Ascend 910B a atteint 2,04 fois son niveau avant optimisation. L’extrait ne fournit pas suffisamment de détails sur la charge de travail ni sur la référence de comparaison pour généraliser ce résultat à d’autres déploiements. Les éléments disponibles ici ne permettent pas non plus d’établir les résultats demandés pour Xing4.0-29B-A4B de China Telecom sur 10 plateformes.
Pourquoi mutualiser l’optimisation ?
La couverture de la conférence souligne un décalage : les modèles d’IA évoluent vite, tandis que les infrastructures de calcul sont conçues pour rester en service pendant des années. L’approche attribuée à FlagOS consiste à transformer le travail réalisé sur les opérateurs, le compilateur et le système pour un modèle en capacités réutilisables sur différentes puces. 8
BAAI affirme aussi que plus de 80 % des capacités de calcul d’IA déployées reposent sur du matériel qui n’est pas de dernière génération. Ce chiffre est une déclaration de l’organisation, et non une statistique vérifiée indépendamment dans les sources disponibles. Si cette estimation est juste, les optimisations logicielles qui aident les équipements déjà installés à prendre en charge de nouveaux modèles pourraient offrir une autre option que leur remplacement. 6
8
À retenir : FlagOS 2.2 annonce une couverture plus large en opérateurs et des outils destinés à partager le travail d’optimisation entre puces. Ces chiffres donnent une indication des progrès du projet, mais les décisions de déploiement nécessitent des essais sur les charges réelles. Les informations publiées ne valident pas indépendamment chaque plateforme, modèle ou affirmation de performance.
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « FlagOS 2.2 : mutualiser l’optimisation de l’IA entre différentes puces » ?
FlagOS 2.2 ne cherche plus seulement à faire tourner des modèles sur différentes puces : le projet veut aussi réutiliser et optimiser le travail logiciel d’une plateforme à l’autre.
Quels sont les points clés à valider en premier ?
FlagOS 2.2 ne cherche plus seulement à faire tourner des modèles sur différentes puces : le projet veut aussi réutiliser et optimiser le travail logiciel d’une plateforme à l’autre. BAAI annonce 1 454 opérateurs dans neuf bibliothèques et environ 27 % de gain dans des tests interpuces.