日榜当前未记录
历史最佳#11最近排名#11
当前未进入本站记录范围
- 记录天数
- 1 天
- 记录期 Star
- 0
@MoonshotAI
FlashKDA
MoonshotAI/FlashKDAFlashKDA: high-performance Kimi Delta Attention kernels
STARS1,133
FORKS105
ISSUES18
LANGUAGECuda
HISTORICAL INTELLIGENCE
历史情报摘要
VERIFIABLE HEALTH SIGNALS
项目健康证据
维护、响应、交付与采用风险分开观察，不生成虚假的单一总分。MAINTENANCE
核对提交维护活性
- 近 90 天 Commit
- 3 完整窗口
- 活跃贡献者
- 3 按公开提交账号去重
- 近 12 月活跃月份
- 3/12 有提交的自然月
RESPONSE
核对样本社区响应
- Issue 关闭率
- 9% 1/11 个同期新 Issue
- Issue 关闭中位数
- 0.0 小时 仅统计已关闭样本
- PR 合并率
- 25% 3/12 个同期新 PR
- PR 合并中位数
- 5.0 小时 仅统计已合并样本
DELIVERY
核对发布持续交付
- 近 12 月正式 Release
- 0 排除草稿与预发布
- 最近正式 Release
- 暂无记录 以公开发布时间为准
- 发布间隔中位数
- 样本不足 至少两次正式发布才计算
ADOPTION
查看仓库采用风险
- 仓库状态
- 正常开放 未发现归档标记
- 开源协议
- MIT 仍需核对完整协议与依赖
- Security Policy
- 未发现 仅检查 GitHub 社区资料
AI-ASSISTED PROJECT BRIEF
项目定位与辅助解读
AI 解读仅作初评参考，技术落地请以 GitHub 源码、README 和完整协议为准。
项目资料AI 整理
MoonshotAI开发的FlashKDA是一个基于CUTLASS的高性能Kimi Delta Attention（KDA）内核，专为NVIDIA SM90+架构优化，支持PyTorch集成，MIT协议开源。
FlashKDA是MoonshotAI推出的Flash Kimi Delta Attention内核实现，基于CUTLASS库构建，专注于高效执行KDA注意力机制。它需要SM90及以上GPU、CUDA 12.9+和PyTorch 2.4+。可作为flash-linear-attention的后端自动调度，提供与Triton路径的切换选项。项目包含完整的C++/CUDA源码和Python封装，API设计清晰，支持可变长序列和状态传递。
核心亮点
项目最值得关注的能力
- 基于CUTLASS的高性能Kernel设计
- 支持与flash-linear-attention集成，自动调度
- 提供详细API文档和BENCHMARK性能报告
- 支持可变长序列批处理和初始/最终状态管理
适用场景
它可以解决哪些实际问题
- 加速Kimi Delta Attention的前向和反向计算
- 作为flash-linear-attention框架的高性能后端
- 在需要高效注意力机制的LLM推理和训练中应用
- 研究与开发定制的KDA变体
技术观察
从公开资料提炼的实现特征
- 内核要求K=V=128维度，支持bf16输入，内部使用fp32参数
- 依赖SM90+架构和CUDA 12.9+，编译时自动检测或指定架构
- 通过环境变量FLA_FLASH_KDA可切换至Triton路径
- API接受可选初始状态和cu_seqlens支持可变长批处理
优势判断
相对明确的项目价值
- 针对SM90+深度优化，性能潜力高
- 提供与主流注意力库（flash-linear-attention）的无缝集成
- 开源MIT协议，代码可审查和定制
局限与注意
评估和采用前需要留意
- 仅支持SM90+架构，老旧GPU无法使用
- 当前固定K=V=128，不适用于其他维度
- 存在18个open issues，生产使用前需充分测试
适用人群
哪些开发者和团队值得关注
- AI研究者和工程师，特别是关注线性注意力或状态空间模型的人员
- 需要高性能KDA内核的LLM部署团队
- 对CUTLASS和CUDA内核开发感兴趣的开发者
FlashKDA是一个面向新一代NVIDIA GPU的高性能KDA注意力内核实现，与flash-linear-attention生态紧密集成。其MIT许可和详细文档便于社区采用。虽当前仅支持SM90+及固定维度，但已提供可工作的基准。开发者应在实际环境中验证其兼容性与性能，并关注issue进展。由 AI 基于 GitHub 公开资料辅助生成，不构成安全审计、生产选型或专业建议。
依据与内容边界
区分可验证事实、项目方自述与 AI 推断
GitHub 可验证事实
Star、Fork、License、更新时间及健康证据样本来自 GitHub 公开接口。
项目方自述
功能与使用方式主要来自仓库描述和 README，未经本站独立验证。
AI 推断
适用场景、优势与局限属于辅助解读，应结合原始文档独立判断。
- GitHub事实：该仓库拥有883星，90 fork，18个open issues，使用MIT许可证。
- 项目方自述：FlashKDA基于CUTLASS构建，需要SM90+、CUDA 12.9+和PyTorch 2.4+，并可与flash-linear-attention集成。
- AI推断：从API设计看，该项目专注于实用性和性能，但当前版本对输入维度有严格限制，可能限制通用性。
生成于 2026-07-29 18:55
规则版本 2026-07-v3