我平时不写论文。翻到 arXiv:2609.17391 是半夜两点，本来在刷 trending，手指头一滑点进 listings，就出不来了。那晚我本来是想找个新 CLI 顺手写一期的。
先把话放前面，省得你往下看半天最后骂我：这期没有 owner/repo。翻了一圈，没找到能 clone 的东西。
FlashVector。一句话定调——把过去只盯着 GPU kernel 的那套自动调优 agent 往上顶，顶到整条模型服务栈。有点像原来只负责拧一颗螺丝的机械臂，突然被派去管整条产线；螺丝拧得好不好是另一回事，它得先学会看见整条线。
9 月 15 号挂的 v1，Unity 那边的人写的，11 个作者，投在 cs.AI 和 cs.PF。四天前的热乎货。
它戳的痛点，做过推理服务的人有体感。模型服务是成本大头，可你想提吞吐，得同时动好几层：GPU kernel、框架的计算图、模型服务器本身、按需的特征处理。四层，四种领域知识。没人同时懂四层，负载还在长、还在变，今天调好的下个月未必成立。跨层专家招不来也扩不了，提效的空间就卡在这。
论文顺手点了个断点，这点我觉得比方法本身更值钱：已有的 agent 在单独 kernel 优化上，效率已经接近人类专家；但服务栈剩下的部分，自动调优基本没人碰。不是做不到，是没人把这套范式往上抬一层。
FlashVector 干的就是抬这一层。它不是又训了个什么模型，是提了个能扩的框架，把单 kernel 优化 agent 那套东西推广到异构栈上。"异构"这词得咬一下：里面有 GPU kernel、有计算图，有一份基于 NVIDIA Triton 的 C++ 模型服务器代码库，还有 Python 写的按需特征转换服务。同一个框架，四种抽象层的活都接。
这才是这篇里我真正多看了两眼的地方。它赢的点不是"更懂 GPU"，是那套通用回路——能进任意一层、读得懂、改得动、还验得回来。我以前说 agent 能不能干活看它有没有手，这篇给的是一个能换着戴手套的手。
前阵子满屏都是 kernel 级调优 agent，同质化到我一看标题就想划走。这篇是第一个把镜头从 kernel 上挪开、往外拉的。光冲这个动作，我愿意给它留一期。
数字：模型服务器上最高 2 倍吞吐、1.98 倍延迟加速；feature store 上最高 1.6 倍。已经落在 Unity 的 Vector 广告平台上跑，不是实验室孤例。
说清楚，是"最高"，不是均值，论文自己也没交代平均线在哪。做生产的都懂，峰值打个对折才是能指望的。不过就算对折，搁在推荐系统这种服务成本占大头的场景里，也够让人坐直了。
现在说为什么没链接。翻了一圈，没找到开源。上生产的东西捂着我能理解，何况它动的还是人家线上服务的 C++ 代码——理解归理解，这期我就没法给你一个装了就能跑的台阶了。这栏的乐趣有一半在把链接扔出来，这次只能扔一个 arXiv 编号。挺难受的。
还得声明一句：这期我摸的是论文，不是代码，数字是作者报的，我复述一遍，没验。别拿这个当实测结论看。
适合谁：在做推理服务或特征服务，正被"每层都要专门的人调、负载一变又得推倒重来"拖着走的，值得花半小时把框架那部分扒一遍，思路本身能抄。不适合谁：手上就一个单模型小服务、瓶颈明明白白卡在 GPU 利用率上的，跨栈这套对你就是多余的抽象，把 kernel 那层调干净比什么都有用。还有一类也别来——想拿个现成东西今晚就上线的，这篇给的是方向，不是工具。
追不追：先扔候选池。等它放代码，或者等有第三方把这套框架重写出来，我第一时间捞进来讲。Unity 那套栈跟你手上的像不像，决定了这些数字对你有几分参考——这事我判断不了，你自己扫一眼最清楚。