[SIMD][09][P0] Gates de correctness, benchmark, telemetria e release para SIMD

[wesleysimplicio]

Parent: #304
Depends on: #305, #306, #307, #308, #309, #310, #311, #312
Complements: #145, #252

Objetivo

Criar a camada de prova e release gate que impede o Simplicio Local de anunciar ou habilitar SIMD/AVX sem execução física, correção diferencial, segurança em hosts incompatíveis e ganho medido no fluxo de inferência real.

Escopo de correctness

• Differential tests scalar/reference vs cada kernel SIMD registrado.
• Property/fuzz tests para shapes, strides, alinhamento, tails, quant blocks, scales e layouts packed.
• Casos extremos: overflow de acumulador, NaN, Inf, subnormais, dimensão zero/inválida e buffers truncados.
• Guardas contra illegal instruction usando capability fixtures e processos isolados quando necessário.
• Sanitizers aplicáveis e regressão fixa para todo finding reproduzível.
• Comparação de logits e tokens com modelo/fixture real; nenhuma equivalência baseada apenas em kernel interno do mesmo caminho.
• Testes de cancelamento, timeout, concorrência, memory pressure e fallback.

Escopo de benchmark

Microarquitetura

• Scalar, AVX2, AVX-512/VNNI, AMX e NEON/I8MM onde disponíveis.
• Decode matvec, prefill matmul e operações auxiliares separadas.
• Shapes/dtypes/quant types representativos e packing cold/warm.

End-to-end

• Artefato instalado, não apenas binário interno da árvore.
• Modelo real compatível, quantização, contexto, batch/sessões e comando completos.
• Prompt tok/s, generation tok/s, TTFT, p50/p95, wall time e CPU time.
• CPU utilization e CPU-seconds, deixando claro quando menor latência usa mais CPU total.
• RSS/peak/scratch, page faults, bytes lidos, bandwidth, IPC/instructions/cache misses quando observáveis.
• Frequência/thermal throttling e energia somente quando medidos; caso contrário null com motivo.
• Repetições suficientes, dispersão e comparação no mesmo host/estado térmico.

Telemetria obrigatória

• ISA detectada e fonte/proveniência;
• kernel solicitado e efetivo por operação/shape class;
• baseline/fallback e reason code;
• tuning key, cache hit/miss, candidatos rejeitados e orçamento;
• layout/packing version e cache hit;
• workers/threads/batch e indicação de oversubscription;
• wall time, CPU time, CPU %, CPU-seconds e métricas indisponíveis com motivo;
• versão/build/commit do runtime e digest do modelo/quantização.

Release gates

• Correção, ausência de instrução ilegal e segurança de memória são não dispensáveis.
• Kernel regressivo, instável ou sem evidência fica desabilitado por padrão.
• Performance gate compara ao baseline aplicável com threshold e significância definidos; waiver deve ser explícito, temporário e nunca pode dispensar correctness.
• Universal artifact deve iniciar em CPU baseline e selecionar scalar.
• Kill switches global e por ISA/kernel devem ser testados.
• Rollback deve restaurar o caminho anterior sem alterar o modelo/cache do usuário.
• Procedimento executável localmente; GitHub Actions pago não é requisito.

Critérios de aceite

• Existe matriz automatizada scalar vs SIMD para todas as variantes promovíveis.
• Fuzz/property tests cobrem quantização, tails, alinhamento, layouts e parsers relevantes.
• Host/fixture incompatível comprova fallback sem illegal instruction.
• Benchmark end-to-end usa modelo real e artefato instalado.
• Relatório distingue latência, throughput, CPU %, CPU time e CPU-seconds.
• Receipts permitem reconstruir por que e onde cada kernel foi selecionado.
• Kernel sem ganho medido não é default.
• Correção e OOM/safety não podem receber waiver.
• Kill switch e rollback são exercitados.
• Documentação pública não transforma capability/planejamento em prova de aceleração.

Evidências para fechar

PR/commit, comandos e ambiente, logs completos, corpus/fuzz findings, matriz de correctness, JSON bruto de benchmark, relatório Markdown, receipts, análise de regressões e procedimento de rollback.

[wesleysimplicio]

Implementação mesclada no PR #322. Inclui diferencial, benchmark p50/p95/wall/CPU/CPU-seconds, gates fail-closed, receipt versionado e gate C++. Testes locais passaram. A issue permanece aberta porque o critério exige matriz completa e benchmark end-to-end com modelo real/artefato instalado; o gate rejeita corretamente essa evidência quando ausente.