# Night shift 2026-10-21 → 22 — отчёт

Стенд dgx5–8 (по указанию оператора), прод dgx1–4 не трогали.

## 1. Баги из дашборда — исправлены и выпущены

**Панель рецептов держала лейны «активными» после остановки.** Причина: строки
пересобирались только по событиям файлов в `reports/` и `recipe.toml`, а
`serve`/`stop` пишут `.lock` (леджер) — он не считался релевантным. Плюс флаги
`stale`/`fleet_up` выставлялись навсегда.

- `.lock` теперь триггерит пересборку; 30-секундный тик сверяет «up»-множество
  строк с леджером и пересобирает при расхождении;
- флаги пересчитываются каждый проход (в т.ч. `fleet_up` на аддоне, где леджера
  нет вообще — раньше он замирал после первого прохода).
- Проверено вживую: подсунутый открытый run → оранжевый `stale`; `runlock
  close` → строка исчезает на следующем тике. Релиз **1.3.3**.

**Ресайз окна лога.** Жест умирал при пересечении iframe-панели рецептов (iframe
становится целью pointer-событий). `drag()` теперь берёт pointer capture —
работает и рост, и перенос. Релиз **1.3.1**.

**Host-скрипты переехали в репозиторий рецептов.** `before_serve`/`after_stop`
принимают `{ script = "scripts/prepare.sh" }` — путь относительно каталога
рецепта (абсолютные и `..` запрещены). `tensorfold_1017_prepare` стал
`recipes/dsv41-flash-1017-2x-tensorfold/scripts/prepare.sh`. Попутно: хуки
получают **serve-local** `NODE_RANK` (на subset-запуске отдавали конфиг-ранг —
паки строились для ранга 2/3 в 2-ранговом движке), `bench` понимает
TensorFold-овский `--name`.

**Чейнджлог аддона** — `sm121/CHANGELOG.md` (HA показывает секцию установленной
версии); правило «каждый бамп = своя секция» в AGENTS.md. Релизы 1.3.0 → 1.3.3.

**Дисциплина мониторинга** (по замечанию оператора) — раздел в AGENTS.md: не
`sleep 600; check`, а фоновый запуск + короткий поллинг в том же вызове с
выходом на первом `Error:`/`FATAL`.

## 2. Дневной ресерч — главное

**TensorFold ушёл далеко вперёд.** Наш рецепт пинит TF **0.6.0**; публичная
семья — **1.0.12 / 1.2.4** (нативный Zig-движок) с 2- и 4-нодовыми рецептами,
kept-prompt reuse, wide copy windows, точным DSpark.

**RedHatAI/GLM-5.3-MXFP4xFP8** (21-е): полный GLM-5.3 (не Flash), 78 слоёв,
`GlmMoeDsaForCausalLM`, ~4.5 бита/пар, **415.4 GB**, 1M окно. В карточке —
TP8; у нас TP4 = ~97 GiB весов на ранк.

**local-inference-lab открыл GitHub**: `blackwell-llm-docker` (образы
`voipmonitor/sglang:cu130|cu132`, `voipmonitor/vllm:vllm-b12x-cu132`,
`voipmonitor/vllm:lucifer` — b12x + FlashInfer из исходников, CUDA 13.2),
форк `flashinfer`, `llm-inference-bench`.

**Форум, новое**: 386130 «RAIDFLASH: 2.5× decode on 2×GB10 GLM-5.3-Flash
(TensorFold)» — слой параллельных страйпов поверх TF 0.6.0 (разбивает длинный
ответ на k полос, собирает): 49 → 110–200 tok/s на одном пользователе,
но это про длинную генерацию, не про агентский ход (целостность между полосами
под вопросом — см. #4 в треде). 386108 (GLM-5.3-Flash-FP4-Local + 2M FP8 KV),
386098 (1017), 386285 (4×China OEM без свитча, 90 tok/s).

Полный план: `2026-10-21-night-plan.md`.

## 3. TensorFold 1.0.12 (Zig) TP4 — собран, но не поднялся

Подробно: `specs/tech-architecture/tensorfold-1.0.12-bringup.md`.

Сделано: движок собран (Zig 0.17.0 + CUDA 13, `-Dsm=121`), kit проверен
(362/362 файлов MANIFEST; RoPE-таблицы и vision-биas добраны из HF), веса
EXL3 4.0bpw (288 GB) на NAS, rank-cache 75.6 GiB/нода (`tf-dsv41-check`:
189 610 записей, 0 расхождений), token map.

Блокер: `the native CUDA engine cannot load /model … glue kernels
(FileNotFound)`, а `tf-dsv41-load` → `MissingEntry` — движок и 4.0bpw-чекпойнт
на этом коммите расходятся по какой-то записи (не шард, не kit-файл).
Попутно выяснено и записано: HF-симлинки рвут bind-mount (лечится каталогом
жёстких ссылок), entrypoint образа надо гасить (`--entrypoint ""`), token map
на хосте падает (нет `tokenizers`).

## 4. GLM-5.3 (full) MXFP4×FP8 на 4 нодах — в работе

Рецепт `glm53-mxfp4-fp8-4x` (TP4, 32K окно, MTP k=5, glm47-парсеры, образ
`spark-glm53:v10`, у которого в реестре уже есть `GlmMoeDsaForCausalLM`).
Веса (415 GB) качаются на NAS (~123 MB/s). Образ разложен на все 4 ноды заранее.

Дальше: boot (чтение 415 GB с NAS на каждый ранк), probe, tool-eval-bench.