답변게시됨16 소스
FlagOS 2.2의 변화: 여러 칩에서 함께 쓰고 최적화하는 AI 소프트웨어
FlagOS 2.2는 서로 다른 칩에서 모델을 실행하는 데서 나아가, 연산자와 최적화 작업을 칩 간에 재사용하는 것을 목표로 한다. 커널 생성·디버깅·양자화 도구와 함께 성능 개선 수치가 제시됐지만, 일부 플랫폼·모델별 주장은 검증 정보나 상세한 벤치마크가 부족하다.
게시자GPT-6 Luna로 편집GPT Image 2로 이미지 생성
연구 답변
주요 시사점
- FlagOS 2.2는 서로 다른 칩에서 모델을 실행하는 데서 나아가, 연산자와 최적화 작업을 칩 간에 재사용하는 것을 목표로 한다.
- 커널 생성·디버깅·양자화 도구와 함께 성능 개선 수치가 제시됐지만, 일부 플랫폼·모델별 주장은 검증 정보나 상세한 벤치마크가 부족하다.
AI 프롬프트
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 2.2가 내세운 핵심 변화는 여러 칩에서 모델을 실행할 수 있게 하는 칩 간 호환에서, 최적화한 소프트웨어를 여러 칩에서 재사용하고 함께 개선하는 방향으로 나아간다는 점이다. 연산자 라이브러리와 컴파일러 최적화, 커널 생성 및 배포 도구를 아우르는 소프트웨어 스택을 구축하려는 접근이다. 베이징 인공지능 연구원(BAAI)은 9개 라이브러리가 총 1,454개 연산자를 제공하고, 1,000개가 넘는 연산자와 10종의 AI 하드웨어를 대상으로 한 시험에서 칩 간 연산자 성능이 약 27% 높아졌다고 밝혔다. 다만 이는 발표된 시험 결과이며, 모든 모델이나 서비스 작업에서 같은 폭의 개선이 나타난다는 뜻은 아니다. 6
8
FlagOS 2.2, 무엇이 달라졌나
여러 종류의 칩에서 모델을 구동하는 것만으로는 충분하지 않다. 연산자를 구현하고 성능을 조정하는 엔지니어링 작업도 플랫폼마다 처음부터 반복하지 않고 재사용할 수 있어야 한다. FlagOS 2.2는 연산자 구현과 FlagTree 컴파일러 최적화를 결합해 이 방향을 추진한다. 6
발표에 따르면 9개 연산자 라이브러리는 1,454개 연산자를 제공하며, 이는 이전 버전보다 890개 늘어난 규모다. 라이브러리 가운데 하나인 FlagGems는 Triton으로 구현됐으며, 여러 백엔드에서 추론과 학습을 지원하도록 설계됐다. 1
2
6
별도의 보도는 FlagGems-SGLang이 주의집중(attention), Mamba 상태 업데이트, 전문가 혼합(MoE), LoRA, 샘플링, 양자화 등에 쓰이는 다중 칩 연산자 40개를 추가했다고 전했다. 다만 제공된 공식 문서와 행사 보도 발췌만으로는 각 연산자가 지원하는 플랫폼이나 검증 범위를 독립적으로 확인하기 어렵다. 따라서 이는 성능이 검증된 결과라기보다 보도된 기능 설명으로 보는 것이 적절하다.
커널 생성과 디버깅 도구
KernelGen은 여러 하드웨어에서 연산자를 생성·최적화·시험·배포하는 자동화된 Triton 커널 개발 플랫폼이다. 5 발표 보도에 따르면 해당 분기에 765개 연산자를 새로 생성했으며, 이 가운데 416개는 최소 5종의 중국산 하드웨어 플랫폼에서 정확도 검증을 통과했다. 이는 765개 전체가 검증됐다는 뜻도, 검증된 커널이 각 플랫폼의 자체 구현과 같거나 더 나은 성능을 냈다는 뜻도 아니다.
6
FlagOS 문서는 FlagPrism을 Triton 프로그램용 멀티백엔드 디버깅·성능 분석 도구로 소개한다. 3 발표 보도는 이 도구가 엔비디아와 화웨이 어센드를 포함한 5개 하드웨어 업체를 지원한다고 밝혔다.
6 다만 제공된 자료에는 전체 업체 목록이나 디버깅·프로파일링 기능을 항목별로 비교할 만한 상세 설명은 없다.
양자화와 새 모델 적용
FlagOS-Compressor는 체크포인트 변환, 가중치 양자화, 보정(calibration), 생성 결과물 검증을 지원한다. BAAI는 Qwen3.5-397B-A17B를 양자화한 뒤 모델 파일 크기가 49.1% 줄었다고 발표했다. 인용된 보도에는 이에 대응하는 정확도나 서비스 속도 측정값이 제시되지 않아, 파일 크기 감소만으로 모델 품질이나 실행 성능의 손익을 판단할 수는 없다. 6
같은 발표는 여러 하드웨어용 프레임워크 플러그인과 FlagOS-Compressor를 활용하면 새 모델을 최대 12개 하드웨어 플랫폼에 ‘Day-0’ 적용할 수 있다고 설명한다. 6 이는 발표된 기능 주장이다. 제공된 자료에는 특정 모델을 어떤 플러그인으로 적용했는지, 소요 시간을 재현할 수 있는 상세 정보가 담겨 있지 않다.
성능 수치는 어떻게 봐야 할까
BAAI는 1,000개가 넘는 연산자와 10종의 이종 AI 하드웨어를 대상으로 한 시험에서 칩 간 연산자 성능이 약 27% 향상됐다고 밝혔다. 6 이는 연산자 수준의 결과다. 실제 모델 서비스의 종단 간 성능이 27% 높아진다는 의미는 아니다. 실제 결과는 모델, 하드웨어, 정밀도, 작업 부하, 서비스 설정에 따라 달라질 수 있다.
서비스 사례로는 GLM-5.3-Flash의 어센드 910B 논리 서비스 처리량이 최적화 전보다 2.04배에 이르렀다는 보도가 있다. 하지만 제공된 자료에는 작업 부하와 비교 기준을 일반화할 만큼 충분한 세부 정보가 없어, 이를 다른 배포 환경에 그대로 적용해 해석하기는 어렵다. 차이나텔레콤의 Xing4.0-29B-A4B가 10개 플랫폼에서 거뒀다는 결과도 여기 제공된 근거만으로는 확인되지 않는다.
오래된 하드웨어를 계속 활용할 수 있을까
행사 보도는 AI 모델은 빠르게 바뀌지만 컴퓨팅 인프라는 수년간 운영해야 하는 현실을 과제로 꼽았다. 보도에서 설명한 FlagOS의 방향은 특정 모델에 맞춰 개발한 연산자·컴파일러·시스템 작업을 여러 칩에서 쓸 수 있는 공통 기능으로 축적하는 것이다. 8
BAAI는 이미 배치된 AI 연산 자원의 80% 이상이 최신 세대가 아니라고 주장한다. 이는 제공된 자료에서 독립적으로 검증된 통계가 아니라 해당 기관의 발표다. 이 전제가 맞다면 기존 하드웨어가 새 모델을 지원하도록 돕는 소프트웨어 개선은 장비를 교체하는 것 외에 운영자가 고려할 수 있는 선택지가 될 수 있다. 6
8
요약하면 FlagOS 2.2는 더 넓은 연산자 지원과 칩 간 최적화 작업의 재사용을 위한 도구를 제시했다. 발표된 수치는 프로젝트의 진행 상황을 보여주는 지표로 참고할 만하지만, 실제 도입 효과를 판단하려면 각 모델과 작업 환경에서 따로 시험해야 한다. 현재 공개된 보도만으로 모든 플랫폼·모델의 성능 주장이 독립적으로 검증됐다고 볼 수는 없다.
Studio Global AI
연구를 계속하세요
이 페이지에는 Studio Global 내에서 계속할 수 있는 소스 기반 답변이 포함되어 있습니다.
사람들은 또한 묻습니다.
"FlagOS 2.2의 변화: 여러 칩에서 함께 쓰고 최적화하는 AI 소프트웨어"에 대한 짧은 대답은 무엇입니까?
FlagOS 2.2는 서로 다른 칩에서 모델을 실행하는 데서 나아가, 연산자와 최적화 작업을 칩 간에 재사용하는 것을 목표로 한다.
먼저 검증할 핵심 포인트는 무엇인가요?
FlagOS 2.2는 서로 다른 칩에서 모델을 실행하는 데서 나아가, 연산자와 최적화 작업을 칩 간에 재사용하는 것을 목표로 한다. 커널 생성·디버깅·양자화 도구와 함께 성능 개선 수치가 제시됐지만, 일부 플랫폼·모델별 주장은 검증 정보나 상세한 벤치마크가 부족하다.