开源 v1.0 | MIT License

太极矩阵 TaiChi Matrix

基于 C6 六重对称群的 AI 基础设施优化工具链
从路由到纠错，六模块协同，端到端亚毫秒级推理优化

运行 Benchmark 快速安装 GitHub

六大核心 模块

基于 C6 六重对称群理论，构建端到端 AI 推理优化流水线

M1 智能路由
taichi-router
M1
基于 C6 对称群的 MoE 路由策略，将请求分配至最优专家子网络，实现负载均衡与延迟最小化。
延迟 0.12ms
测试 26/26
M2 模态变换
taichi-mtp
M2
模态变换预测器（MTP），利用 C6 群表示论进行跨模态特征映射与张量变换优化。
延迟 0.28ms
测试 34/34
M3 量化引擎
taichi-quant
M3
基于六重对称性约束的 INT8/INT4 量化引擎，在精度与速度之间取得最优平衡。
延迟 0.10ms
测试 28/28
M4 六边形注意力
taichi-hex
M4
核心创新模块 -- 用六边形注意力模式替代传统方形注意力，利用 C6 对称性减少 33% 计算量。
延迟 0.21ms
测试 26/26
M5 纠错模块
taichi-correct
M5
基于 C6 群代数结构的推理纠错器，实时检测并修正量化与注意力计算中的误差传播。
延迟 0.08ms
测试 28/28
M6 端到端流水线
taichi-matrix
M6
编排 M1-M5 全链路，提供统一的 Pipeline 接口，一键完成从输入到输出的全流程优化。
延迟 0.79ms
测试 17/17

交互式 Benchmark

点击运行，实时模拟六大模块的性能测试

就绪 -- 点击运行开始测试

模块 延迟 测试 状态
M1 智能路由 router -- -- 待运行
M2 模态变换 mtp -- -- 待运行
M3 量化引擎 quant -- -- 待运行
M4 六边形注意力 hex -- -- 待运行
M5 纠错模块 correct -- -- 待运行
M6 端到端流水线 pipeline -- -- 待运行
总计 -- ms -- / --

六边形 vs 方形 注意力

核心创新：利用 C6 对称性替代传统方形注意力模式

为什么选择六边形？

传统 Transformer 使用方形注意力矩阵，而太极矩阵利用 C6 六重对称群，将注意力模式重构为六边形拓扑结构。

  • ✓ 计算复杂度降低 33%，O(n²) → O(n² × 2/√3)
  • ✓ 天然支持 六向并行，契合 GPU 硬件架构
  • ✓ 保持 数学等价性，精度无损
  • ★ 与 C6 群表示论完美对应，理论优雅
  • ★ 支持 环形/蜂窝 拓扑推理加速
六边形注意力 (HexAttn) 方形注意力 (传统)

快速 安装

一行命令，开启太极矩阵优化之旅

$ pip install taichi-matrix