Intel Compute Runtime 25.13.33276.16版本发布:GPU计算性能优化与平台支持扩展
Intel Compute Runtime是英特尔为旗下GPU产品提供的开源计算运行时环境,它包含了OpenCL和Level Zero两种重要的API实现,为开发者提供了在英特尔集成显卡和独立显卡上进行高性能计算的能力。本次发布的25.13.33276.16版本带来了多项改进和新特性,特别针对最新的英特尔GPU架构进行了优化。
核心组件升级
本次发布的核心组件包括intel-gmmlib 22.7.0版本和compute-runtime 25.13.33276.16版本。gmmlib作为图形内存管理库,为GPU提供了高效的内存管理能力,而compute-runtime则实现了OpenCL和Level Zero API,使开发者能够充分利用英特尔GPU的计算潜力。
在构建过程中,项目还依赖了其他关键组件:
- libva 2.2.0版本提供视频加速API支持
- Level Zero 1.21.1版本实现了最新的oneAPI Level Zero规范1.12.15
- Intel Graphics Compiler 2.10.8版本优化了GPU代码生成
- igsc 0.9.5版本用于GPU系统控制
安装与部署指南
对于Ubuntu 22.04和24.04用户,安装过程已经简化。需要注意的是,从下一个版本开始,官方将把基础支持从Ubuntu 22.04升级到24.04。安装步骤包括创建临时目录、下载所有必要的.deb包、验证SHA256校验和,最后以root权限安装所有包。
特别提醒使用Ubuntu 24.04的用户,可能需要先移除系统自带的intel-ocloc-dev、intel-ocloc和libze-intel-gpu1包以避免冲突。安装完成后,建议检查是否安装了ocl-icd-libopencl1等依赖项以确保完整功能。
平台支持与质量评估
本次发布对多种英特尔GPU平台提供了不同级别的支持:
生产级支持平台:
- DG1独立显卡
- Alchemist架构显卡
- Battlemage架构显卡
- 从Tiger Lake到Arrow Lake的各代集成显卡
- 即将发布的Panther Lake平台
对于Lunar Lake和Battlemage平台,最佳体验需要通过Ubuntu 24.10配合intel-graphics PPA获得。所有平台都在Ubuntu 24.04 LTS上进行了验证,使用6.8.0-48-generic内核。WSL支持也在Windows主机驱动101.6732下进行了全面测试。
质量等级分为多个层次,从实验性支持到生产级支持不等。生产级支持意味着平台已经满足API一致性要求,适合用于生产环境。而维护级支持则表示测试频率降低,不再推荐新部署。
技术特性与优化
本次发布包含了多项底层优化:
- 启用了i915预备检测功能(NEO_ENABLE_I915_PRELIM_DETECTION=1)
- 改进了对最新GPU架构的识别和支持
- 提升了OpenCL 3.0和Level Zero 1.6的兼容性
- 优化了WSL环境下的GPU计算性能
对于开发者而言,这些改进意味着更稳定的API行为和更好的性能表现。特别是对于使用最新英特尔GPU硬件的用户,可以获得更完整的功能支持和更高的计算效率。
总结
Intel Compute Runtime 25.13.33276.16版本延续了英特尔在GPU计算领域的投入,为开发者提供了更强大、更稳定的计算环境。通过支持最新的GPU架构和优化现有平台的性能,这个版本进一步巩固了英特尔在异构计算领域的地位。无论是进行机器学习、科学计算还是图形处理,开发者都可以从这个版本中获得更好的体验和更高的效率。
对于使用较旧平台的用户,建议参考官方提供的传统平台支持文档,了解最适合自己硬件的运行时版本。随着英特尔GPU产品线的不断扩展,Compute Runtime项目也将持续演进,为各种计算场景提供强有力的支持。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00