用途：FlashKDA 提供 Kimi Delta Attention（KDA）的高性能 CUDA 内核，基于 CUTLASS 实现，面向 SM90+ GPU（H100、H20 或更新），可作为 flash-linear-attention 中 chunk_kda 操作的即插即用后端，用于高效循环状态推理。
主要能力：提供底层内核 flash_kda.fwd，支持 q/k/v/g/beta 等张量输入、可选初始与最终循环状态、以及 cu_seqlens 变长打包批处理；支持多轮/流式推理中跨块传递状态。K 与 V 必须为 128。
使用方式：安装需克隆仓库并初始化子模块后 pip install -v .；可选安装 flash-linear-attention（>=0.5.0）以启用自动分发。推荐通过 FLA 的 chunk_kda 调用，也可直接调用 flash_kda.fwd。环境变量 FLA_FLASH_KDA=0 可强制回退 Triton 路径。测试可运行 bash tests/test.sh。
适用场景：需要 KDA 循环状态推理的 GPU 推理任务，包括变长序列打包批处理与多轮/流式状态维护。
限制：要求 SM90+ GPU、CUDA 12.9+、PyTorch 2.4+、Python 3.8；K 与 V 必须为 128；变长模式下 B 必须为 1；initial_state 与 final_state 同时提供时 dtype 必须一致；lower_bound 有效范围为 [-5.0, 0]；FLA 分发需使用 torch.inference_mode()。其余收费、价格、平台等信息暂未提供。