LDC编译器v1.41.0版本发布:LLVM 20支持与性能优化
LDC是基于LLVM的D语言编译器,它将D语言代码编译为高效的本地机器码。作为D语言生态中的重要工具,LDC结合了D语言的现代特性与LLVM的强大优化能力。最新发布的v1.41.0版本带来了多项重要更新,包括对LLVM 20的支持、性能优化以及多项功能改进。
核心更新内容
LLVM 20全面支持
v1.41.0版本最重要的更新之一是增加了对LLVM 20的支持。预构建包使用了LLVM 20.1.5版本,为开发者提供了最新的编译器优化技术。需要注意的是,动态编译(JIT)功能在LLVM 20中存在一些退化问题,建议需要此功能的用户暂时使用LLVM 18或19版本。
性能优化改进
此版本在性能方面做了多项重要改进:
-
帧指针保留优化:默认情况下,在-O优化级别下会保留帧指针,这对AArch64(除Windows外)、x86_64(除Windows和glibc Linux外)、Windows x86和Android等目标平台特别有益。这一改进使得在优化代码中(包括预构建的druntime/Phobos)能够获得正确的druntime回溯信息。
-
128位整数运算优化:通过内联IR/汇编代码优化了core.int128模块的性能,提升了128位整数运算的效率。
-
展开表生成策略:跟随clang的展开表生成策略,为大多数流行目标平台启用了展开表生成。
平台兼容性增强
-
RISC-V架构支持:实现了原生的Fiber上下文切换功能,提升了在RISC-V平台上的协程性能。
-
Linux基础环境升级:预构建的Linux非musl版本现在基于Ubuntu 22.04构建,最低glibc版本要求从2.31提高到2.35。
-
多平台支持:支持从LLVM 15到20的多个版本,为不同环境下的用户提供了更灵活的选择。
开发者工具改进
-
ldc-build-runtime工具:新增了--installWithSuffix命令行选项,简化了将库文件复制到现有LDC安装的过程。
-
ldc2.conf配置增强:现在支持使用~=操作符向数组追加元素,提高了配置文件的灵活性。
-
CMake构建系统:
- 最低CMake版本要求提升至3.16
- 重新设计了LLVM编译器-rt库的集成方式
- 简化了编译器和运行时的独立构建流程,包括交叉编译LDC本身
- 修复了macOS上首次运行CMake时的链接器错误问题
问题修复与兼容性改进
-
macOS兼容性:修复了预构建macOS包中ldmd2等可执行文件在macOS v15.4上崩溃的问题。
-
ImportC改进:
- 在C11模式下运行C预处理器
- Windows平台上使用clang-cl进行C预处理时禁用clang头文件
-
编译器稳定性:
- 修复了无效常量地址表达式导致的内部编译器错误(ICE)
- 允许在完全限定标签名中使用Unicode字符
技术细节与开发者建议
对于需要构建自定义运行时的开发者,新的--installWithSuffix选项可以更方便地管理多个运行时版本。同时,CMake构建系统的改进使得交叉编译LDC本身变得更加简单。
性能敏感型应用开发者应该注意帧指针保留带来的调试便利性,这在优化代码中获取有意义的调用栈信息特别有价值。对于RISC-V平台的开发者,原生的Fiber上下文切换实现将显著提升协程性能。
总结
LDC 1.41.0版本通过支持最新的LLVM 20、优化关键性能路径和改进多平台支持,进一步巩固了其作为D语言高效编译器的地位。无论是需要最新编译器技术的开发者,还是追求稳定性的生产环境用户,都能从这个版本中获得实质性的改进。特别是帧指针保留和128位整数运算的优化,使得D语言在高性能计算领域的竞争力进一步增强。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00