[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-thu-ml--SpargeAttn":3,"tool-thu-ml--SpargeAttn":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":79,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":99,"forks":100,"last_commit_at":101,"license":102,"difficulty_score":103,"env_os":104,"env_gpu":105,"env_ram":106,"env_deps":107,"category_tags":114,"github_topics":115,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":127,"updated_at":128,"faqs":129,"releases":160},2810,"thu-ml\u002FSpargeAttn","SpargeAttn","[ICML2025] SpargeAttention: A training-free sparse attention that accelerates any model inference.","SpargeAttn 是一款无需训练即可加速模型推理的稀疏注意力机制工具，专为语言、图像及视频大模型设计。它有效解决了传统注意力机制在长序列处理中计算量大、显存占用高导致推理缓慢的痛点，让用户在不重新训练模型的前提下，显著提升推理速度并降低资源消耗。\n\n该工具非常适合 AI 开发者、研究人员以及需要部署高效大模型的应用团队使用。其核心亮点在于“即插即用”的特性：只需替换几行代码，即可将现有的注意力计算升级为高效的稀疏版本。SpargeAttn 基于先进的 SageAttention2 技术，支持灵活调整稀疏度（topk 参数），让用户在保持高精度的同时自由平衡计算效率。此外，它还支持自定义块稀疏掩码，能够针对不同注意力头进行精细化控制，并兼容包括 H100 在内的多种主流 GPU 架构。无论是希望快速优化现有项目的工程师，还是探索高效注意力机制的研究者，SpargeAttn 都提供了一个简单而强大的解决方案。","# SpargeAttention\n\n## Recommended API\nWe highly recommend using the `spas_sage2_attn_meansim_topk_cuda` and `block_sparse_sage2_attn_cuda` APIs. They are plug-and-play and customizable:\n\n### Plug-and-Play API\n```python\nfrom spas_sage_attn import spas_sage2_attn_meansim_topk_cuda\n\nattn_output = spas_sage2_attn_meansim_topk_cuda(q, k, v, topk=0.5, is_causal=False)\n```\nYou can adjust `topk` to balance between attention accuracy (higher `topk` is more accurate) and sparsity (lower `topk` is more sparse). \n\n\n### Customize your Block-Sparse Mask\n\n```python\nfrom spas_sage_attn import block_sparse_sage2_attn_cuda\n\nattn_output = block_sparse_sage2_attn_cuda(q, k, v, mask_id=None):\n```\n\nIn this API, we **support computing attention in any block sparse mask per attention head**. Specifically, the per-head attention mask `mask_id` has shape `(batch_size, num_heads, ⌈seq_len \u002F 128⌉, ⌈seq_len \u002F\u002F 64⌉)` and consists of `0` and `1`. Currently, the block size is 128×64.\n\n---\nThe official implementation of [SpargeAttn](https:\u002F\u002Farxiv.org\u002Fabs\u002F2502.18137), a universal training-free sparse attention accelerating language, image, and video models.\n\n\u003Cdiv align=\"center\"> \u003Ch2>SpargeAttention: Accurate and Training-free Sparse Attention\u003Cbr>Accelerating Any Model Inference\u003C\u002Fh2> \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fpapers\u002F2502.18137\"> \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fstatic\u002Fv1?label=Daily%20papers&message=HuggingFace&color=yellow\" alt=\"Daily papers: HuggingFace\"> \u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2502.18137\"> \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FarXiv-2502.18137-b31b1b.svg\" alt=\"arXiv:2502.18137\"> \u003C\u002Fa> \u003C\u002Fdiv> \n\n\u003Cdiv align=\"center\">\n    \u003Ca href=\"https:\u002F\u002Fjt-zhang.github.io\u002F\" target=\"_blank\">Jintao Zhang\u003C\u002Fa>\u003Csup>\u003C\u002Fsup> | \n    \u003Ca href=\"https:\u002F\u002Fxiang-cd.github.io\u002Fcv\" target=\"_blank\">Chendong Xiang\u003C\u002Fa>\u003Csup>\u003C\u002Fsup> | \n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fjason-huang03\" target=\"_blank\">Haofeng Huang\u003C\u002Fa>\u003Csup>\u003C\u002Fsup> | \n    \u003Ca href=\"https:\u002F\u002Fhaochengxi.github.io\u002F\" target=\"_blank\">Haocheng Xi\u003C\u002Fa>\u003Csup>\u003C\u002Fsup> |\n    \u003Ca href=\"\" target=\"_blank\">Jia Wei\u003C\u002Fa>\u003Csup>\u003C\u002Fsup> | \n    \u003Ca href=\"https:\u002F\u002Fml.cs.tsinghua.edu.cn\u002F~jun\u002Findex.shtml\" target=\"_blank\">Jun Zhu\u003C\u002Fa>\u003Csup>\u003C\u002Fsup> |\n    \u003Ca href=\"https:\u002F\u002Fml.cs.tsinghua.edu.cn\u002F~jianfei\" target=\"_blank\">Jianfei Chen\u003C\u002Fa>\u003Csup>\u003C\u002Fsup>\n\u003C\u002Fdiv>\n\n\u003C!-- Jintao Zhang, Chendong Xiang, Haofeng Huang, Haocheng Xi, Jia Wei, Jun Zhu, Jianfei Chen -->\n\n\u003Cbr>\n\n\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fthu-ml_SpargeAttn_readme_bd9aec5723b2.png\" width=\"81%\" alt=\"speed comparison.\">\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fthu-ml_SpargeAttn_readme_a09a64207747.png\" width=\"90%\" alt=\"overview.\">\n\u003C\u002Fp>\n\n## Project Updates\n- **Please use the `spas_sage2_attn_meansim_topk_cuda` and `block_sparse_sage2_attn_cuda` APIs.**\n- [2025-07]: Release a Triton Kernel example. \n- [2025-06]: SpargeAttn based on [SageAttention2++](https:\u002F\u002Farxiv.org\u002Fabs\u002F2505.21136) is released.\n- [2025-05]: Add a **very simple usage without tuning or calibration**: `o = spas_sage2_attn_meansim_topk_cuda(q, k, v)`.\n- [2025-05]: 🎉SpargeAttn and [SageAttention2](https:\u002F\u002Fgithub.com\u002Fthu-ml\u002FSageAttention) are accepted by ICML 2025!\n- [2025-03] Support high acceleration on more GPUs, e.g., H100.\n\n## Installation\n### Base environment\n+ `python>=3.9`   , `torch>=2.3.0`\n- `CUDA`:\n  + `>=12.8` for Blackwell, `>=12.4` for fp8 support on Ada, `>=12.3` for fp8 support on Hopper, `>=12.0` for Ampere\n\n\n### Install Package\n\n```bash\npip install ninja   # for parallel compilation\npython setup.py install   # or pip install -e .\n```\n\n\n## Available API\n- `spas_sage2_attn_meansim_topk_cuda`: SpargeAttn based on [SageAttention2](https:\u002F\u002Fgithub.com\u002Fthu-ml\u002FSageAttention) that **we recommend using.**\n\n- `spas_sage2_attn_meansim_cuda`: SpargeAttn based on [SageAttention2](https:\u002F\u002Fgithub.com\u002Fthu-ml\u002FSageAttention) that we do not recommend.\n\n- `spas_sage_attn_meansim_topk_cuda`: SpargeAttn based on [SageAttention](https:\u002F\u002Fgithub.com\u002Fthu-ml\u002FSageAttention) that **we recommend using.**\n\n- `spas_sage_attn_meansim_cuda`: SpargeAttn based on [SageAttention](https:\u002F\u002Fgithub.com\u002Fthu-ml\u002FSageAttention) that we do not recommend.\n\n\n\n## Usage\n### Plug-and-Play Usage\nJust replace `torch.nn.functional.scaled_dot_product_attention` API using `spas_sage2_attn_meansim_topk_cuda`:\n```diff\nfrom spas_sage_attn import spas_sage2_attn_meansim_topk_cuda\n\n- attn_output = torch.nn.functional.scaled_dot_product_attention(q, k, v, is_causal=False)  # is_causal can be True\n\n+ attn_output = spas_sage2_attn_meansim_topk_cuda(q, k, v, topk=0.5, is_causal=False) # is_causal can be True\n```\n\n\n## Plug-and-Play API\n```python\nfrom spas_sage_attn import spas_sage2_attn_meansim_topk_cuda\n\nattn_output = spas_sage2_attn_meansim_topk_cuda(q, k, v, topk=0.5, is_causal=False)\n```\nYou can adjust `topk` to balance between attention accuracy (higher `topk` is more accurate) and sparsity (lower `topk` is more sparse). \n\n\n## Customize your Block-Sparse Mask API\n\n```python\nfrom spas_sage_attn import block_sparse_sage2_attn_cuda\n\nattn_output = block_sparse_sage2_attn_cuda(q, k, v, mask_id=None):\n```\n\nIn this API, we **support computing attention for any block-sparse mask per attention head**. Specifically, the per-head attention mask `mask_id` has shape `(batch_size, num_heads, ⌈seq_len \u002F 128⌉, ⌈seq_len \u002F\u002F 64⌉)` and consists of `0` and `1`. Currently, the block size is 128×64.\n\n\u003C!-- \n### CogVideoX\n\nTuning:  \n```bash\n# sequential tuning\npython evaluate\u002Fcogvideo_example.py  --use_spas_sage_attn --model_out_path evaluate\u002Fmodels_dict\u002FCogVideoX-2b_0.06_0.07.pt --tune\n\n# parallel tuning, this will use all gpu available on the machine \npython evaluate\u002Fcogvideo_example.py  --use_spas_sage_attn --model_out_path evaluate\u002Fmodels_dict\u002FCogVideoX-2b_0.06_0.07.pt --tune --parallel_tune\n```\n\nInference:  \n```bash\n# `--compile` is optional and will slow the first time inference.\npython evaluate\u002Fcogvideo_example.py  --use_spas_sage_attn --model_out_path evaluate\u002Fmodels_dict\u002FCogVideoX-2b_0.06_0.07.pt --compile\n```\n\n> **Note:**\nWe provide pre-tuned hyper-parameters `CogVideoX-2b_0.06_0.07.pt` that allow running the inference script directly. However, for better performance in both speed and quality, we recommend re-tuning because the provided hyper-parameters are tuned with SpargeAttn based on SageAttention, whereas the default API is based on SageAttention2 now.\n\n> **Note:**\n`--compile` is optional and will further accelerate video generation but bring an overhead for the first video generation.\n\n### LLama\nThe tuning and inference usage is similar to CogVideoX.\n\n### Supported models\nHere’s a list of the tuned models so far, go to [hugginface](https:\u002F\u002Fhuggingface.co\u002FXiang-cd\u002Fsparge-attention-model-zoo) to see all tuned ckpt. \nOur approach is universal, and we warmly welcome contributions! Feel free to submit a pull request to support more models. 🚀\n\n| model name | example script | tuned ckpt |\n| ---- | ---- | ---- |\n| CogVideoX-2b | evaluate\u002Fcogvideo_example.py | [link](https:\u002F\u002Fhuggingface.co\u002FXiang-cd\u002Fsparge-attention-model-zoo\u002Fblob\u002Fmain\u002Fcogvideox-2b\u002FCogVideoX-2b_0.06_0.07.pt)\n| want2v-1.3B  | evaluate\u002Fwan_example.py | [link](https:\u002F\u002Fhuggingface.co\u002FXiang-cd\u002Fsparge-attention-model-zoo\u002Ftree\u002Fmain\u002Fwant2v-1.3B)\n| Flux  | evaluate\u002Fflux_example.py  | TBD \n\n-->\n\n\u003C!-- \n## Performance\n![Local Image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fthu-ml_SpargeAttn_readme_e0bf2a3fc9dd.png)\n> **Note:** All experiments in the above Table and our paper used SpargeAttn based on SageAttention. An updated implementation based on SageAttention2, is available now. **It further offers a 30% speedup.**\n\u003Cbr>\n\n\n\n\u003Ctable>\n  \u003Ctr>\n    \u003Ctd align=\"center\">\n      \u003Cimg src=\".\u002Fassets\u002Fmore_mochi_example.png\" width=\"55%\" alt=\"End-to-end video generation on Mochi.\">\n      \u003Cbr>\n      The quality of video generation on Mochi.\n    \u003C\u002Ftd>\n    \u003Ctd align=\"center\">\n      \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fthu-ml_SpargeAttn_readme_c11a6cb50e86.png\" width=\"100%\" alt=\"End-to-end performance of NIAH.\">\n      \u003Cbr>\n      End-to-end performance of NIAH.\n    \u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftable>\n-->\n\n\u003C!-- \u003Cimg src=\".\u002Fassets\u002Fvisible_image.png\" width=\"80%\" alt=\"image generation.\"> -->\n\n\n\n## Citation\n\n```\n@inproceedings{zhang2025spargeattn,\n  title={Spargeattn: Accurate sparse attention accelerating any model inference},\n  author={Zhang, Jintao and Xiang, Chendong and Huang, Haofeng and Wei, Jia and Xi, Haocheng and Zhu, Jun and Chen, Jianfei},\n  booktitle={International Conference on Machine Learning (ICML)},\n  year={2025}\n}\n\n@article{zhang2026spargeattention2,\n  title={SpargeAttention2: Trainable Sparse Attention via Hybrid Top-k+ Top-p Masking and Distillation Fine-Tuning},\n  author={Zhang, Jintao and Jiang, Kai and Xiang, Chendong and Feng, Weiqi and Hu, Yuezhou and Xi, Haocheng and Chen, Jianfei and Zhu, Jun},\n  journal={arXiv preprint arXiv:2602.13515},\n  year={2026}\n}\n\n@inproceedings{zhang2025sageattention,\n  title={SageAttention: Accurate 8-Bit Attention for Plug-and-play Inference Acceleration}, \n  author={Zhang, Jintao and Wei, Jia and Zhang, Pengle and Zhu, Jun and Chen, Jianfei},\n  booktitle={International Conference on Learning Representations (ICLR)},\n  year={2025}\n}\n\n@inproceedings{zhang2024sageattention2,\n  title={Sageattention2: Efficient attention with thorough outlier smoothing and per-thread int4 quantization},\n  author={Zhang, Jintao and Huang, Haofeng and Zhang, Pengle and Wei, Jia and Zhu, Jun and Chen, Jianfei},\n  booktitle={International Conference on Machine Learning (ICML)},\n  year={2025}\n}\n```\n","# SpargeAttention\n\n## 推荐 API\n我们强烈推荐使用 `spas_sage2_attn_meansim_topk_cuda` 和 `block_sparse_sage2_attn_cuda` 这两个 API。它们即插即用且可定制：\n\n### 即插即用 API\n```python\nfrom spas_sage_attn import spas_sage2_attn_meansim_topk_cuda\n\nattn_output = spas_sage2_attn_meansim_topk_cuda(q, k, v, topk=0.5, is_causal=False)\n```\n您可以调整 `topk` 参数，以在注意力精度（`topk` 越高精度越高）和稀疏性（`topk` 越低稀疏性越高）之间取得平衡。\n\n\n### 自定义块稀疏掩码\n\n```python\nfrom spas_sage_attn import block_sparse_sage2_attn_cuda\n\nattn_output = block_sparse_sage2_attn_cuda(q, k, v, mask_id=None):\n```\n\n在这个 API 中，**我们支持为每个注意力头计算任意块稀疏掩码下的注意力**。具体来说，每个头的注意力掩码 `mask_id` 的形状为 `(batch_size, num_heads, ⌈seq_len \u002F 128⌉, ⌈seq_len \u002F\u002F 64⌉)`，由 `0` 和 `1` 组成。目前，块大小为 128×64。\n\n---\n[SpargeAttn](https:\u002F\u002Farxiv.org\u002Fabs\u002F2502.18137) 的官方实现，一种通用的无训练稀疏注意力机制，能够加速语言、图像和视频模型。\n\n\u003Cdiv align=\"center\"> \u003Ch2>SpargeAttention：精准且无需训练的稀疏注意力\u003Cbr>加速任何模型推理\u003C\u002Fh2> \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fpapers\u002F2502.18137\"> \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fstatic\u002Fv1?label=Daily%20papers&message=HuggingFace&color=yellow\" alt=\"Daily papers: HuggingFace\"> \u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2502.18137\"> \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FarXiv-2502.18137-b31b1b.svg\" alt=\"arXiv:2502.18137\"> \u003C\u002Fa> \u003C\u002Fdiv> \n\n\u003Cdiv align=\"center\">\n    \u003Ca href=\"https:\u002F\u002Fjt-zhang.github.io\u002F\" target=\"_blank\">Jintao Zhang\u003C\u002Fa>\u003Csup>\u003C\u002Fsup> | \n    \u003Ca href=\"https:\u002F\u002Fxiang-cd.github.io\u002Fcv\" target=\"_blank\">Chendong Xiang\u003C\u002Fa>\u003Csup>\u003C\u002Fsup> | \n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fjason-huang03\" target=\"_blank\">Haofeng Huang\u003C\u002Fa>\u003Csup>\u003C\u002Fsup> | \n    \u003Ca href=\"https:\u002F\u002Fhaochengxi.github.io\u002F\" target=\"_blank\">Haocheng Xi\u003C\u002Fa>\u003Csup>\u003C\u002Fsup> |\n    \u003Ca href=\"\" target=\"_blank\">Jia Wei\u003C\u002Fa>\u003Csup>\u003C\u002Fsup> | \n    \u003Ca href=\"https:\u002F\u002Fml.cs.tsinghua.edu.cn\u002F~jun\u002Findex.shtml\" target=\"_blank\">Jun Zhu\u003C\u002Fa>\u003Csup>\u003C\u002Fsup> |\n    \u003Ca href=\"https:\u002F\u002Fml.cs.tsinghua.edu.cn\u002F~jianfei\" target=\"_blank\">Jianfei Chen\u003C\u002Fa>\u003Csup>\u003C\u002Fsup>\n\u003C\u002Fdiv>\n\n\u003C!-- Jintao Zhang, Chendong Xiang, Haofeng Huang, Haocheng Xi, Jia Wei, Jun Zhu, Jianfei Chen -->\n\n\u003Cbr>\n\n\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fthu-ml_SpargeAttn_readme_bd9aec5723b2.png\" width=\"81%\" alt=\"速度对比。\">\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fthu-ml_SpargeAttn_readme_a09a64207747.png\" width=\"90%\" alt=\"概述。\">\n\u003C\u002Fp>\n\n## 项目更新\n- **请使用 `spas_sage2_attn_meansim_topk_cuda` 和 `block_sparse_sage2_attn_cuda` API。**\n- [2025-07]：发布 Triton Kernel 示例。\n- [2025-06]：基于 [SageAttention2++](https:\u002F\u002Farxiv.org\u002Fabs\u002F2505.21136) 的 SpargeAttn 正式发布。\n- [2025-05]：新增一种**非常简单的用法，无需调优或校准**：`o = spas_sage2_attn_meansim_topk_cuda(q, k, v)`。\n- [2025-05]：🎉SpargeAttn 和 [SageAttention2](https:\u002F\u002Fgithub.com\u002Fthu-ml\u002FSageAttention) 已被 ICML 2025 接受！\n- [2025-03] 支持在更多 GPU 上实现高效加速，例如 H100。\n\n## 安装\n### 基础环境\n+ `python>=3.9`   , `torch>=2.3.0`\n- `CUDA`：\n  + `>=12.8` 用于 Blackwell 架构，`>=12.4` 用于 Ada 架构上的 fp8 支持，`>=12.3` 用于 Hopper 架构上的 fp8 支持，`>=12.0` 用于 Ampere 架构。\n\n### 安装包\n\n```bash\npip install ninja   # 用于并行编译\npython setup.py install   # 或 pip install -e .\n```\n\n\n## 可用 API\n- `spas_sage2_attn_meansim_topk_cuda`：基于 [SageAttention2](https:\u002F\u002Fgithub.com\u002Fthu-ml\u002FSageAttention) 的 SpargeAttn，**我们推荐使用。**\n\n- `spas_sage2_attn_meansim_cuda`：基于 [SageAttention2](https:\u002F\u002Fgithub.com\u002Fthu-ml\u002FSageAttention) 的 SpargeAttn，但我们不推荐使用。\n\n- `spas_sage_attn_meansim_topk_cuda`：基于 [SageAttention](https:\u002F\u002Fgithub.com\u002Fthu-ml\u002FSageAttention) 的 SpargeAttn，**我们推荐使用。**\n\n- `spas_sage_attn_meansim_cuda`：基于 [SageAttention](https:\u002F\u002Fgithub.com\u002Fthu-ml\u002FSageAttention) 的 SpargeAttn，但我们不推荐使用。\n\n\n\n## 使用方法\n### 即插即用用法\n只需将 `torch.nn.functional.scaled_dot_product_attention` API 替换为 `spas_sage2_attn_meansim_topk_cuda`：\n```diff\nfrom spas_sage_attn import spas_sage2_attn_meansim_topk_cuda\n\n- attn_output = torch.nn.functional.scaled_dot_product_attention(q, k, v, is_causal=False)  # is_causal 可以为 True\n\n+ attn_output = spas_sage2_attn_meansim_topk_cuda(q, k, v, topk=0.5, is_causal=False) # is_causal 可以为 True\n```\n\n\n## 即插即用 API\n```python\nfrom spas_sage_attn import spas_sage2_attn_meansim_topk_cuda\n\nattn_output = spas_sage2_attn_meansim_topk_cuda(q, k, v, topk=0.5, is_causal=False)\n```\n您可以调整 `topk` 参数，以在注意力精度（`topk` 越高精度越高）和稀疏性（`topk` 越低稀疏性越高）之间取得平衡。\n\n\n## 自定义块稀疏掩码 API\n\n```python\nfrom spas_sage_attn import block_sparse_sage2_attn_cuda\n\nattn_output = block_sparse_sage2_attn_cuda(q, k, v, mask_id=None):\n```\n\n在这个 API 中，**我们支持为每个注意力头计算任意块稀疏掩码下的注意力**。具体而言，每个头的注意力掩码 `mask_id` 的形状为 `(batch_size, num_heads, ⌈seq_len \u002F 128⌉, ⌈seq_len \u002F\u002F 64⌉)`，由 `0` 和 `1` 组成。目前，块大小为 128×64。\n\n\u003C!-- \n### CogVideoX\n\n调优：\n```bash\n# 顺序调优\npython evaluate\u002Fcogvideo_example.py  --use_spas_sage_attn --model_out_path evaluate\u002Fmodels_dict\u002FCogVideoX-2b_0.06_0.07.pt --tune\n\n# 并行调优，这将使用机器上所有可用的 GPU\npython evaluate\u002Fcogvideo_example.py  --use_spas_sage_attn --model_out_path evaluate\u002Fmodels_dict\u002FCogVideoX-2b_0.06_0.07.pt --tune --parallel_tune\n```\n\n推理：\n```bash\n# `--compile` 是可选的，第一次推理时会稍慢。\npython evaluate\u002Fcogvideo_example.py  --use_spas_sage_attn --model_out_path evaluate\u002Fmodels_dict\u002FCogVideoX-2b_0.06_0.07.pt --compile\n```\n\n> **注意：**\n我们提供了预调优的超参数 `CogVideoX-2b_0.06_0.07.pt`，可以直接运行推理脚本。然而，为了在速度和质量上获得更好的表现，我们建议重新调优，因为提供的超参数是基于 SageAttention 的 SpargeAttn 调优的，而当前默认 API 是基于 SageAttention2 的。\n\n> **注意：**\n`--compile` 是可选的，它将进一步加速视频生成，但会在首次生成视频时带来一定的开销。\n\n### LLama\n调优和推理的使用方法与 CogVideoX 类似。\n\n### 支持的模型\n以下是目前经过调优的模型列表，更多已调优的检查点请访问 [hugginface](https:\u002F\u002Fhuggingface.co\u002FXiang-cd\u002Fsparge-attention-model-zoo) 查看。  \n我们的方法具有通用性，我们热烈欢迎各位贡献！欢迎提交 Pull Request 来支持更多模型。🚀\n\n| 模型名称 | 示例脚本 | 调优后的检查点 |\n| ---- | ---- | ---- |\n| CogVideoX-2b | evaluate\u002Fcogvideo_example.py | [链接](https:\u002F\u002Fhuggingface.co\u002FXiang-cd\u002Fsparge-attention-model-zoo\u002Fblob\u002Fmain\u002Fcogvideox-2b\u002FCogVideoX-2b_0.06_0.07.pt)\n| want2v-1.3B  | evaluate\u002Fwan_example.py | [链接](https:\u002F\u002Fhuggingface.co\u002FXiang-cd\u002Fsparge-attention-model-zoo\u002Ftree\u002Fmain\u002Fwant2v-1.3B)\n| Flux  | evaluate\u002Fflux_example.py  | 待定 \n\n-->\n\n\u003C!-- \n## 性能\n![本地图片](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fthu-ml_SpargeAttn_readme_e0bf2a3fc9dd.png)\n> **注意:** 上表及论文中的所有实验均基于 SageAttention 的 SpargeAttn。目前我们已推出基于 SageAttention2 的更新实现，**它可再提升约 30% 的速度。**\n\u003Cbr>\n\n\n\n\u003Ctable>\n  \u003Ctr>\n    \u003Ctd align=\"center\">\n      \u003Cimg src=\".\u002Fassets\u002Fmore_mochi_example.png\" width=\"55%\" alt=\"在 Mochi 上进行端到端视频生成。\">\n      \u003Cbr>\n      在 Mochi 上生成视频的质量。\n    \u003C\u002Ftd>\n    \u003Ctd align=\"center\">\n      \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fthu-ml_SpargeAttn_readme_c11a6cb50e86.png\" width=\"100%\" alt=\"NIAH 的端到端性能。\">\n      \u003Cbr>\n      NIAH 的端到端性能。\n    \u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftable>\n-->\n\n\u003C!-- \u003Cimg src=\".\u002Fassets\u002Fvisible_image.png\" width=\"80%\" alt=\"图像生成。\"> -->\n\n\n\n## 引用\n\n```\n@inproceedings{zhang2025spargeattn,\n  title={Spargeattn: 精确稀疏注意力加速任意模型推理},\n  author={Zhang, Jintao 和 Xiang, Chendong 和 Huang, Haofeng 和 Wei, Jia 和 Xi, Haocheng 和 Zhu, Jun 和 Chen, Jianfei},\n  booktitle={国际机器学习会议 (ICML)},\n  year={2025}\n}\n\n@article{zhang2026spargeattention2,\n  title={SpargeAttention2: 基于混合 Top-k + Top-p 掩码与蒸馏微调的可训练稀疏注意力},\n  author={Zhang, Jintao 和 Jiang, Kai 和 Xiang, Chendong 和 Feng, Weiqi 和 Hu, Yuezhou 和 Xi, Haocheng 和 Chen, Jianfei 和 Zhu, Jun},\n  journal={arXiv 预印本 arXiv:2602.13515},\n  year={2026}\n}\n\n@inproceedings{zhang2025sageattention,\n  title={SageAttention: 用于即插即用推理加速的精确 8 位注意力}, \n  author={Zhang, Jintao 和 Wei, Jia 和 Zhang, Pengle 和 Zhu, Jun 和 Chen, Jianfei},\n  booktitle={国际表征学习会议 (ICLR)},\n  year={2025}\n}\n\n@inproceedings{zhang2024sageattention2,\n  title={Sageattention2: 具有彻底异常值平滑和线程级 int4 量化技术的高效注意力},\n  author={Zhang, Jintao 和 Huang, Haofeng 和 Zhang, Pengle 和 Wei, Jia 和 Zhu, Jun 和 Chen, Jianfei},\n  booktitle={国际机器学习会议 (ICML)},\n  year={2025}\n}\n```","# SpargeAttn 快速上手指南\n\nSpargeAttn 是一个通用的、无需训练的稀疏注意力加速工具，适用于语言、图像和视频模型推理。它基于 SageAttention2++ 实现，能够显著加速推理过程并保持高精度。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **Python**: >= 3.9\n*   **PyTorch**: >= 2.3.0\n*   **CUDA** (根据显卡架构选择版本):\n    *   **Blackwell**: >= 12.8\n    *   **Ada (fp8 支持)**: >= 12.4\n    *   **Hopper (fp8 支持)**: >= 12.3\n    *   **Ampere**: >= 12.0\n*   **编译工具**: 需要安装 `ninja` 以支持并行编译。\n\n> **提示**：国内用户建议使用清华源或阿里源加速 Python 包和 CUDA 工具的下载。\n\n## 安装步骤\n\n1.  **安装编译依赖**\n    ```bash\n    pip install ninja\n    ```\n\n2.  **克隆代码并安装**\n    进入项目目录后，执行以下命令进行安装（推荐使用 `-e` 模式以便开发调试）：\n    ```bash\n    pip install -e .\n    ```\n    或者使用传统安装方式：\n    ```bash\n    python setup.py install\n    ```\n\n## 基本使用\n\nSpargeAttn 提供了“即插即用”的 API，只需替换原有的 `torch.nn.functional.scaled_dot_product_attention` 即可。\n\n### 推荐 API：`spas_sage2_attn_meansim_topk_cuda`\n\n这是官方最推荐的接口，支持通过 `topk` 参数灵活平衡注意力精度与稀疏度（`topk` 越高越精确，越低越稀疏）。\n\n**代码示例：**\n\n```python\nfrom spas_sage_attn import spas_sage2_attn_meansim_topk_cuda\n\n# q, k, v 为输入的 Query, Key, Value 张量\n# topk=0.5 表示保留前 50% 的注意力权重，可根据需求调整\n# is_causal 设为 True 可启用因果掩码（适用于解码器模型）\nattn_output = spas_sage2_attn_meansim_topk_cuda(q, k, v, topk=0.5, is_causal=False)\n```\n\n**迁移示例：**\n\n将原有代码：\n```python\nattn_output = torch.nn.functional.scaled_dot_product_attention(q, k, v, is_causal=False)\n```\n替换为：\n```python\nattn_output = spas_sage2_attn_meansim_topk_cuda(q, k, v, topk=0.5, is_causal=False)\n```\n\n### 进阶用法：自定义块稀疏掩码\n\n如果您需要针对每个注意力头自定义块稀疏掩码，可以使用 `block_sparse_sage2_attn_cuda` 接口。当前支持的块大小为 128×64。\n\n```python\nfrom spas_sage_attn import block_sparse_sage2_attn_cuda\n\n# mask_id 形状：(batch_size, num_heads, ⌈seq_len \u002F 128⌉, ⌈seq_len \u002F\u002F 64⌉)\n# 由 0 和 1 组成，1 表示保留该块\nattn_output = block_sparse_sage2_attn_cuda(q, k, v, mask_id=None)\n```","某视频生成初创团队正在开发基于长序列扩散模型的高清视频合成服务，需实时处理数千帧的时空注意力计算。\n\n### 没有 SpargeAttn 时\n- **推理延迟极高**：全量注意力机制导致显存占用随帧数平方级增长，单条 10 秒视频生成耗时超过 3 分钟，无法满足交互式应用需求。\n- **硬件成本高昂**：为维持并发吞吐量，被迫集群化部署大量 H100 GPU，算力闲置与能耗成本成为运营瓶颈。\n- **精度调优困难**：尝试传统稀疏化方案（如固定掩码）往往需重新训练模型，且极易造成画面闪烁或细节丢失，工程试错周期长达数周。\n- **适配灵活性差**：不同视频分辨率和帧率需手动调整底层算子，缺乏统一的即插即用接口，开发维护负担沉重。\n\n### 使用 SpargeAttn 后\n- **推理速度倍增**：通过 `spas_sage2_attn_meansim_topk_cuda` 接口动态筛选关键 Token，在保持画质无损的前提下，将长序列推理速度提升 3-5 倍，生成时间压缩至秒级。\n- **资源利用率优化**：无需重新训练即可直接加速现有模型，显著降低单任务显存峰值，使同等硬件配置下的并发处理能力翻倍。\n- **零样本平滑迁移**：利用其“免训练”特性，仅调整 `topk` 参数即可在稀疏度与准确率间找到最佳平衡点，彻底消除了重训带来的精度风险。\n- **定制化掩码支持**：借助 `block_sparse_sage2_attn_cuda` API，团队可针对视频时序特性自定义分块稀疏掩码，灵活适配各种复杂生成场景。\n\nSpargeAttn 以免训练的即插即用方式，打破了长序列模型在推理速度与精度之间的传统权衡，让高清视频实时生成成为可能。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fthu-ml_SpargeAttn_25baf32b.png","thu-ml","TSAIL group","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fthu-ml_852ca511.jpg","Tsinghua Statistical Artificial Intelligence & Learning Group",null,"https:\u002F\u002Fml.cs.tsinghua.edu.cn","https:\u002F\u002Fgithub.com\u002Fthu-ml",[83,87,91,95],{"name":84,"color":85,"percentage":86},"Cuda","#3A4E3A",59.3,{"name":88,"color":89,"percentage":90},"Python","#3572A5",39.2,{"name":92,"color":93,"percentage":94},"C","#555555",1,{"name":96,"color":97,"percentage":98},"C++","#f34b7d",0.6,971,90,"2026-04-03T09:27:42","Apache-2.0",4,"Linux","必需 NVIDIA GPU。支持架构：Blackwell (需 CUDA >=12.8), Ada (fp8 支持需 CUDA >=12.4), Hopper (fp8 支持需 CUDA >=12.3), Ampere (需 CUDA >=12.0)。文中特别提及支持 H100 等高性能显卡。","未说明",{"notes":108,"python":109,"dependencies":110},"1. 该工具主要基于 CUDA 内核加速，通常仅支持 Linux 环境，未提及对 macOS 或 Windows 的支持。\n2. 安装前需先安装 'ninja' 以支持并行编译。\n3. 推荐使用 'spas_sage2_attn_meansim_topk_cuda' 和 'block_sparse_sage2_attn_cuda' API。\n4. 自定义块稀疏掩码时，当前固定的块大小为 128×64。\n5. 不同显卡架构对 CUDA 版本有严格要求，特别是需要 fp8 支持时。",">=3.9",[111,112,113],"torch>=2.3.0","ninja","CUDA Toolkit (版本视显卡架构而定)",[26,52,13],[116,117,118,119,120,121,122,123,124,125,126],"ai-infra","attention","inference-acceleration","llm","mlsys","quantization","sparse-attention","vision-transformer","sageattention","video-generation","vit","2026-03-27T02:49:30.150509","2026-04-06T07:12:38.005691",[130,135,140,145,150,155],{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},13001,"在 Hopper (sm90) GPU 上运行时遇到断言错误 `Assertion padded_kv_len >= ... failed` 怎么办？","该问题是由于 value 张量的填充长度不满足要求导致的。代码已更新，将 v 的长度填充为 128 的倍数即可解决此问题。请确保使用最新版本的代码，或者手动检查填充逻辑，确保填充后的长度至少是原始长度向上取整到 128 倍数的值。","https:\u002F\u002Fgithub.com\u002Fthu-ml\u002FSpargeAttn\u002Fissues\u002F77",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},13002,"为什么在 Hopper GPU 上使用 SpargeAttn 后速度没有提升，甚至和普通注意力机制一样慢？","目前 SpargeAttn 尚未针对 Hopper 架构的 GPU 进行专门优化，因此可能无法体现出速度优势。维护者建议暂时使用 `spas_sage2_attn_meansim_topk_cuda` API，并关注后续针对 Hopper 的优化更新。","https:\u002F\u002Fgithub.com\u002Fthu-ml\u002FSpargeAttn\u002Fissues\u002F18",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},13003,"自动调优（Autotune）过程耗时太长，如何加速？","可以通过以下两种方法加速：\n1. 设置 `tune_pv` 参数为 `False` 来跳过部分调优步骤。\n2. 使用并行调优功能，在命令行中添加 `--parallel_tune` 选项。这将利用所有可用 GPU 对 head_num 进行并行调优，例如使用 4 块 GPU 可使速度提升约 4 倍。","https:\u002F\u002Fgithub.com\u002Fthu-ml\u002FSpargeAttn\u002Fissues\u002F6",{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},13004,"启用 `use_spas_sage_attn` 后出现 `RuntimeError: CUDA error: unspecified launch failure` 错误如何解决？","这是一个已知问题，通常与特定 GPU 架构或版本兼容性有关。维护者已更新代码，强烈建议改用 `spas_sage2_attn_meansim_topk_cuda` API，该接口具有更好的稳定性和兼容性。如果问题依旧，请检查是否使用了最新的代码版本。","https:\u002F\u002Fgithub.com\u002Fthu-ml\u002FSpargeAttn\u002Fissues\u002F3",{"id":151,"question_zh":152,"answer_zh":153,"source_url":154},13005,"运行 `python setup.py install` 安装最新版时编译失败，报错 `identifier \"__assert_fail\" is undefined` 怎么办？","这通常是因为脚本在当前目录下运行，而当前目录包含名为 `spas_sage_attn` 的文件夹，导致 Python 加载了本地源码而非已安装的包，从而引发编译路径或上下文错误。解决方法是将脚本移动到不包含 `spas_sage_attn` 文件夹的其他目录下运行，以确保正确调用已安装的包进行构建。","https:\u002F\u002Fgithub.com\u002Fthu-ml\u002FSpargeAttn\u002Fissues\u002F46",{"id":156,"question_zh":157,"answer_zh":158,"source_url":159},13006,"官方推荐使用的稳定 API 接口是什么？","维护者多次强调，代码已更新，推荐用户使用 `spas_sage2_attn_meansim_topk_cuda` API。该接口修复了多个旧版本中的 Bug（如 Hopper 支持、CUDA 启动失败等），是目前最稳定和推荐的调用方式。","https:\u002F\u002Fgithub.com\u002Fthu-ml\u002FSpargeAttn\u002Fissues\u002F15",[]]