Modular: Robuste Compiler-Infrastruktur wird im Zeitalter der Agenten wichtiger
Schneller, von Agenten erzeugter Code erhöht den Druck auf Compilerprojekte und Accelerator-Software. Das geht aus Modulars Bericht vom 2026 LLVM Dev Meeting hervor. Nach Ansicht des Unternehmens gewinnen gemeinsame Standards, Werkzeuge und Abstraktionen an Bedeutung, da Teams mehr Hardware unterstützen.
- Modular zufolge wächst Accelerator-Code schneller als gemeinsam genutzte Werkzeuge.
- LLVM-Experten verknüpften langlebige Projekte mit Absichten, Wissen und Unterstützung für Beitragende.
- Google-Maintainer berichteten von doppeltem Aufwand bei LLVM- und MLIR-Aktualisierungen.
- Modular präsentiert Mojo und MAX als gemeinsame Ebenen für verschiedene Acceleratoren.
- Der Bericht thematisiert Bedenken gegenüber beiläufig eingereichten, KI-generierten Pull Requests.
Agenten erhöhen den Bedarf an verlässlichen Compilern
Modulars Michael Dunn-O’Connor schreibt, dass Accelerator-Code schneller zunimmt als die gemeinsam genutzten Werkzeuge dafür. Die Keynote am Dienstag bezeichnete die agentenbasierte Entwicklung als „Elefanten im Raum“, da Teams rasch für bestimmte Geräte optimierten Code erzeugen können.
Der Bericht vergleicht Agenten mit Daniel Kahnemans System 1, das schnell und intuitiv arbeitet, und Compiler mit System 2, das überlegt und regelgebunden vorgeht. Kristof Beyls argumentierte, dass Agenten Compiler nicht weniger relevant machen. Stattdessen werde die verlässliche und überprüfbare Ebene wichtiger, weil generierter Code zuverlässige Systeme im Hintergrund benötige.
Beyls nannte drei Voraussetzungen für langlebige Open-Source-Projekte: das Vermitteln von Absichten, die Pflege von Wissen und die Unterstützung von Beitragenden. In der Diskussion ging es außerdem um „Contributor Poker“. Damit ist gemeint, dass Maintainer Aufwand in neue Beitragende investieren, selbst wenn ein erster Pull Request noch umfangreiche Nacharbeit erfordert.
Gemeinsame Werkzeuge könnten die doppelte LLVM-Pflege verringern
Eine Keynote am Mittwoch von Googles Nick Desaulniers, Anshul Nigham und Jordan Rupprecht befasste sich mit den Herausforderungen bei der Pflege eines LLVM-Forks auf dem jeweils aktuellen Entwicklungsstand. Die Maintainer stellten fest, dass eine verspätete Aktualisierung weitere Verzögerungen verursachen kann, wenn sich inkompatible Änderungen summieren.
Außerdem stellten sie fest, dass Teams LLVM- und MLIR-Aktualisierungen innerhalb desselben Monorepos unabhängig voneinander vornahmen und dadurch Pflegeaufwand doppelt anfiel. Ihr Lösungsvorschlag waren bessere gemeinsam genutzte Werkzeuge, um Aktualisierungen effizienter und koordinierter durchzuführen.
Für Modular steht dieses Problem stellvertretend für ein größeres Spannungsfeld. Einzellösungen lassen sich schnell entwickeln, doch eine Abweichung von gemeinsamer Architektur und gemeinsamen Werkzeugen kann Software schwerer verständlich und wartbar machen.
Das Wachstum von DSLs eröffnet Chancen für Mojo und MAX
Da neue Accelerator-Generationen zusammen mit älterer Hardware auf den Markt kommen, müssen Entwickler mehrere Architekturen unterstützen und zugleich Leistung und gut lesbaren Code bewahren. Laut Modular treibt dies die Entwicklung weiterer domänenspezifischer Sprachen, kurz DSLs, voran.
NVIDIAs BaseDSL-Projekt, vorgestellt von Maksim Levental, Guray Ozen und Amir Mohammad Tavakkoli, ist eine Plattform zur Entwicklung eigener Python-DSLs auf MLIR-Basis mithilfe von Plugins. Dieser Ansatz kann den doppelten Aufwand bei der Entwicklung von DSLs verringern. Laut dem Bericht könnten Teams jedoch weiterhin bei inkompatiblen Sprachen und getrennten Wartungsaufwänden landen. BaseDSL ist derzeit nur intern bei NVIDIA verfügbar.
Modular präsentiert Mojo als eine alternative gemeinsame Ebene. Nach Angaben des Unternehmens ist Mojo eine vollständige Sprache, die über MLIR kompiliert wird und mit gut lesbarer Syntax sowie Metaprogrammierung Kontrolle und Leistung über verschiedene Acceleratoren hinweg ermöglicht. MAX ergänzt die Unterstützung für Acceleratoren und verwendet Mojo als Programmierschnittstelle. Dadurch kann Hardware-Unterstützung in MAX integriert und über eine Sprache optimiert werden, statt auf getrennte, teamspezifische DSL-Stacks zu setzen.
Open-Source-Communities brauchen weiterhin Zusammenarbeit von Menschen
Der Bericht beschreibt den Frust von LLVM-Maintainern über die große Zahl beiläufig eingereichter, KI-generierter Pull Requests. Besonders problematisch sei dies, wenn kein menschlicher Entwickler mehr verfügbar ist, um auf Feedback zu reagieren und die Arbeit abzuschließen. Laut Modular betrifft diese Herausforderung sowohl externe Beiträge als auch die Pflege kritischer Software.
Das Unternehmen argumentiert, dass gemeinsame Standards und Abstraktionen von Menschen begleitet werden müssen, die zur Zusammenarbeit bereit sind, eine gemeinsame Vision entwickeln und Beitragende anleiten. Als Beispiele für Praktiken zur Unterstützung dieser Community nennt Modular den Mojo Contributor Guide und die Modular AI Tool Use Policy, die von der LLVM AI Tool Use Policy inspiriert ist.
Die Botschaft für Nutzer und Entwickler lautet, dass eine schnellere Code-Erzeugung den Bedarf an verständlichen Projekten und koordinierter Infrastruktur nicht beseitigt. Modular sieht in der Kombination aus Mojo, MAX und Praktiken der Community eine Möglichkeit, doppelte Arbeit an Acceleratoren zu verringern und die Software über Teams und Hardware hinweg aufeinander abzustimmen.
