🚀 功能描述

训练指标的 TFLOPS/MFU 计算依赖每 token FLOPs（6N 约定）。当前该值需要在训练 YAML 中逐模型手工填写（model_flops_per_token），属于魔法数字：不同模型族、同一模型的 tiny/full 几何覆盖都需要重新计算并手工同步，容易填错或过期，导致 MFU 报表失真。

提议：FLOPs-per-token 不再作为训练配置传入，而是由模型配置几何结构自动推导——新增后端无关的估算模块 hyper_parallel/models/flops.py（支持 MLA 与 GQA/MHA 投影布局、DeepSeek 与 Qwen-MoE 两种 MoE 字段约定、可选 attention 二次项），模型族自带的 hp_flops_per_token 属性优先；序列长度取首个训练 batch 的实测值，回退 max_position_embeddings。

现有替代方案

在训练配置中手工填写 model_flops_per_token（现状）；或由每个模型实现各自硬编码常数。两者都需要逐模型、逐配置人工维护，且无法随几何覆盖（如调试用的缩层配置）自动适配。

与DFX相关性DF

• 该功能属于训练可观测性（吞吐/TFLOPS/MFU 报表），上层应用（训练 recipe）无需再感知 FLOPs 计算细节；
• 纯 Python 估算，无新增算子、无图优化，不影响训练主路径性能；
• 功能逻辑封闭（配置几何 → 标量），不改动现有并行/训练行为，与其他功能无冲突。

提议的新API

• hyper_parallel.models.flops.estimate_flops_per_token(config, seq_len=None)
• hyper_parallel.models.flops.resolve_flops_per_token(model, model_config=None, seq_len=None)
• hyper_parallel.models.flops.batch_seq_len(micro_batches)
• BaseTrainer.add_callback(callback)；环境变量 HP_THROUGHPUT_MFU=1 自动注册 ThroughputMFUCallback

是否影响现有API

移除 TrainingConfig.model_flops_per_token（手工覆盖入口），由配置推导取代；模型可选暴露 hp_flops_per_token 属性作为精确覆盖。其余训练配置与回调接口不变。

补充信息

实现 PR：#1392。估算器经 Kimi-K2.6 全量几何对拍，6N 部分与既有手工标定值 1.901164e11 完全一致。