# Release Notes

## MindSpore Lite 2.11.0 Release Notes

### 主要特性及增强

#### 云侧推理

- 在 `mindspore-lite/tools/custom_kernels/ascend_ops` 下新增 Ascend 自定义算子打包能力，将自研 Ascend C 自定义算子打包为 `mslite_custom_ops` vendor 包并随 MindSpore Lite 发布包交付；支持通过 `build_all_ops.sh` 独立编译、`install.sh` 安装，模型转换和推理时可自动使能自定义算子。

- 新增开源模型支持：PI0.5 Base 视觉-语言-动作（VLA）模型、Qwen3-0.6B 对话模型、Jina Reranker V3.5 模型，均提供 ONNX 导出与 MindSpore Lite Ascend 端到端推理部署示例。

- 新增 LiteBoost 开源模型支持：Wan2.2-TI2V-5B（DiffSynth-Studio 格式）、Qwen-Image-Edit。

- 新增 LiteBoost layers 层接口支持：FlashAttention、RoPE、RMSNorm、NearestExactUpsample。

- 新增 LiteBoost ops 层接口支持：CGDR（A2）。

#### 端侧推理

- MindSpore Lite Micro 新增 9 类算子支持，均覆盖 FP32 与 INT8 全量化推理：

  - 数学与规约类：Sum（ONNX ReduceSum）、ReduceProd、Max / Min（ONNX / TFLite）；
  - 激活类：Celu、HardSigmoid、Gelu（ONNX / TFLite）；
  - 张量操作类：Trilu、Pack / Unpack（TFLite）、Constant / ConstantOfShape。

- 端侧 INT8 算子性能优化（CPU 推理与 Micro 生成代码均受益）：

  - MatMul INT8 新增低内存在线重量化内核与权重重排接口，降低推理期内存占用；
  - 重写优化 INT8 Pooling 与 SoftMax 内核，提升推理性能。

- 修复 Micro INT8 量化推理在 SoftMax、ReduceMean 等算子上的精度问题和缓冲区溢出安全漏洞。

### API 变更

- 下架控制流相关 parser，MindSpore Lite 不再支持 ONNX、TensorFlow、TFLite 等模型中 if、loop 等控制流算子的转换。

- LiteBoost ParallelManager 接口变更为 BoostManager，以适配后续更多的模型优化手段。

### 贡献者

LinHaier, lilinjie12, xiong-pan, liuchengji3, liujie, yuuray, liuf9, chenyihang5, YeFeng_24, zhuguodong, qiuleilei, qll1998, wujueying, panzhihui, aldq, cheng_xiaoli, gupengcheng0401, m0_51742343, liujiacai, gaoshuanglong, mc2gao, jjfeing, wanghao-dev, nepdada, qq_44643155, wuyue0371, 徐子康, Vincent Zhu, lizhixuan, m0_74284884, nicholas_yhr, yanghaoran