JawabanDipublikasikan19 sumber
FlagOS 2.2 ingin membuat perangkat lunak AI lebih mudah dipakai lintas chip
FlagOS 2.2 menggeser fokus dari sekadar menjalankan model di beragam chip menuju penggunaan ulang dan optimasi perangkat lunak lintas chip. Sembilan pustaka operator mencakup 1.454 operator, bertambah 890 dari versi sebelumnya.
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- FlagOS 2.2 menggeser fokus dari sekadar menjalankan model di beragam chip menuju penggunaan ulang dan optimasi perangkat lunak lintas chip.
- Sembilan pustaka operator mencakup 1.454 operator, bertambah 890 dari versi sebelumnya.
- KernelGen dilaporkan menghasilkan 765 operator tambahan selama kuartal tersebut; 416 di antaranya lolos validasi akurasi pada sedikitnya lima platform perangkat keras domestik.
- Angka angka itu menunjukkan kemajuan pada komponen perangkat lunak, tetapi bukan jaminan bahwa setiap model atau layanan AI akan mengalami peningkatan kecepatan yang sama.
AI Perintah
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 membawa pendekatan Beijing Academy of Artificial Intelligence (BAAI) untuk perangkat lunak AI lintas chip selangkah lebih jauh. Fokusnya bukan hanya membantu model berjalan pada berbagai chip, tetapi juga membuat komponen perangkat lunaknya lebih mudah digunakan ulang dan dioptimalkan di beragam perangkat keras. 12
15
Versi 2.2 dirilis pada 30 September dan dipamerkan dalam konferensi komputasi terbuka AI di Beijing pada 17 Oktober 2026. 13
16 Laporan konferensi menggambarkan perubahan arah ini sebagai peralihan dari adaptasi multi-chip menuju optimasi lintas chip.
17
Lebih banyak operator, dengan optimasi di lapisan compiler
FlagOS 2.2 mencakup sembilan pustaka operator dengan total 1.454 operator—bertambah 890 dari versi sebelumnya, yang berarti cakupannya naik dari 564 operator. 12
17 Operator adalah komponen dasar yang menjalankan pekerjaan komputasi tertentu dalam model AI. Dokumentasi resmi menyebut FlagGems sebagai pustaka operator umum berbasis Triton untuk membantu mempercepat inferensi dan pelatihan pada beberapa backend perangkat keras.
4
6
Perubahan pentingnya adalah operator tersebut dipadukan dengan optimasi compiler FlagTree. Dengan demikian, sasaran teknisnya tidak berhenti pada memastikan sebuah model dapat berjalan di chip berbeda, tetapi juga mengoptimalkan implementasi yang dipakai. 12
17
BAAI melaporkan peningkatan performa operator lintas chip sekitar 27% dalam pengujian yang mencakup lebih dari 1.000 operator dan 10 jenis perangkat keras AI heterogen. 12
17 Angka itu merujuk pada hasil pengujian operator, bukan bukti bahwa semua model atau layanan AI akan berjalan 27% lebih cepat.
Kernel otomatis dan alat bantu pengembang
KernelGen adalah platform berbantuan AI untuk membuat, mengoptimalkan, menguji, dan menyiapkan kernel Triton pada beragam platform perangkat keras. 15 Laporan konferensi menyebut KernelGen menghasilkan 765 operator tambahan selama kuartal tersebut. Sebanyak 416 operator dilaporkan lolos validasi akurasi pada sedikitnya lima platform perangkat keras domestik.
17
Untuk membantu proses pengembangan, FlagPrism menyediakan perangkat debugging dan analisis performa lintas backend bagi program Triton. 10 Laporan konferensi menyebut alat terpadu ini mendukung perangkat keras dari lima vendor, termasuk Ascend dan Nvidia.
17
FlagOS juga menyertakan FlagOS-Compressor untuk mengonversi checkpoint model, menguantisasi bobot, mengalibrasi keluaran, dan memvalidasi artefak hasil konversi. 9 Menurut laporan konferensi, ukuran berkas model Qwen3.5-397B-A17B berkurang 49,1% setelah dikuantisasi.
17 Pengurangan ukuran berkas merupakan hasil yang dilaporkan untuk model tersebut, bukan jaminan hasil serupa untuk semua model.
Mengapa penggunaan ulang lintas chip penting?
Infrastruktur AI dapat terdiri dari chip dengan arsitektur dan generasi yang berbeda. Laporan konferensi menyebut lebih dari 80% sumber daya komputasi AI yang telah digunakan berasal dari generasi yang bukan paling baru. 17 Dalam konteks itu, kemampuan menggunakan kembali optimasi perangkat lunak berpotensi membantu perangkat keras yang sudah tersedia tetap dapat menangani model-model baru.
Laporan yang sama menyebut model baru dapat diadaptasi ke sebanyak 12 platform perangkat keras dalam satu hari. 16
17 Klaim ini menggambarkan kemampuan adaptasi yang dilaporkan, bukan ukuran kinerja layanan setelah model digunakan.
Karena itu, penting membedakan hasil pada tingkat operator dari hasil saat model benar-benar melayani pengguna. Perbandingan layanan perlu mempertimbangkan kondisi yang sama—seperti presisi, panjang masukan dan keluaran, jumlah permintaan serentak, batching, serta sasaran latensi—sebelum throughput atau biaya per token dibandingkan.
Intinya, kemajuan utama FlagOS 2.2 adalah upaya membangun alur optimasi lintas chip yang lebih dapat digunakan ulang, dari pustaka operator dan compiler hingga pembuatan kernel serta deployment. Angka yang dipublikasikan menunjukkan cakupan dan hasil pengujian tertentu; angka tersebut tidak dengan sendirinya memastikan peningkatan yang sama pada setiap model, chip, atau beban kerja.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "FlagOS 2.2 ingin membuat perangkat lunak AI lebih mudah dipakai lintas chip"?
FlagOS 2.2 menggeser fokus dari sekadar menjalankan model di beragam chip menuju penggunaan ulang dan optimasi perangkat lunak lintas chip.
Apa poin penting yang harus divalidasi terlebih dahulu?
FlagOS 2.2 menggeser fokus dari sekadar menjalankan model di beragam chip menuju penggunaan ulang dan optimasi perangkat lunak lintas chip. Sembilan pustaka operator mencakup 1.454 operator, bertambah 890 dari versi sebelumnya.
Apa yang harus saya lakukan selanjutnya dalam latihan?
KernelGen dilaporkan menghasilkan 765 operator tambahan selama kuartal tersebut; 416 di antaranya lolos validasi akurasi pada sedikitnya lima platform perangkat keras domestik.