Chisel v6.7.0版本发布:为Chisel 7做准备的重要更新
项目简介
Chisel(Constructing Hardware in a Scala Embedded Language)是一种基于Scala的硬件构建语言,它允许开发者使用高级编程语言来设计和生成硬件电路。作为数字电路设计领域的重要工具,Chisel通过将Scala的强大功能与硬件设计相结合,大大提高了硬件开发的效率和可维护性。
版本概述
Chisel v6.7.0是一个过渡性版本,主要目的是为用户即将到来的Chisel 7发布做准备。这个版本包含了多项API的弃用通知,这些API将在Chisel 7.0中被移除。同时,该版本也带来了一些性能优化和错误修复。
主要更新内容
API弃用与迁移
-
ElaboratedCircuit引入:新版本引入了ElaboratedCircuit类,同时弃用了内部使用的ir Circuit。这一变化使得ChiselCircuitAnnotation和CircuitSerializationAnnotation不再作为case类使用,为向ElaboratedCircuit的过渡提供了便利。
-
更安全的注解API:现在创建Chisel注解时需要报告哪些InstanceIds将被注解,这样Chisel可以进行安全检查。这一改进提高了代码的安全性,防止潜在的错误使用。
-
测试包弃用:testers包中的所有内容都被标记为弃用,这意味着用户需要开始考虑迁移到新的测试框架。
-
字面量转换警告:当使用
.asUInt或.asSInt(_: Int)时,系统会发出警告,提醒用户可能忘记了.W操作。这与之前.U和.S的处理方式一致,有助于避免常见错误。
性能优化
Aggregate类型检查加速:通过为Aggregate类型添加私有的containsProbe变量,显著提高了containsProbe检查的速度,这对于处理大型硬件设计时尤其重要。
错误修复
-
svsim波形转储行为修复:修正了svsim中额外波形转储的行为问题。
-
符号数处理修正:修复了svsim中sendBits()方法处理有符号数的问题。
-
确定性LFSR生成:确保了FibonacciLFSR的确定性归约,提高了设计的可预测性。
-
属性字符串转义:现在会正确转义属性字符串中的特殊字符,增强了字符串处理的可靠性。
-
模块选择修复:修正了特定情况下模块选择的问题。
-
boring功能增强:现在支持在.toInstance调用后对原始Module使用boring功能。
文档与构建改进
-
文档修正:修复了SourceInfoTransform.scala中的文档拼写错误。
-
Scala 2.13.16支持:插件现在支持跨编译到Scala 2.13.16版本。
-
发布流程改进:更新了持续交付权限,并升级了相关依赖版本。
-
兼容性检查:为v6.6.0启用了MiMa(迁移管理器)工具,帮助确保二进制兼容性。
技术影响与建议
对于Chisel用户来说,v6.7.0版本最重要的意义在于为即将到来的Chisel 7做准备。开发团队通过这个版本提前标记了将被移除的API,给了用户充分的迁移时间。建议用户:
-
检查项目中是否使用了被标记为弃用的API,并开始规划迁移策略。
-
特别注意测试框架的变化,因为testers包将被完全移除。
-
利用新的安全注解API改进代码质量。
-
关注性能优化带来的潜在收益,特别是在处理大型设计时。
-
及时更新依赖,确保与新版本的兼容性。
这个版本体现了Chisel项目对向后兼容性和平稳迁移的重视,通过渐进式的变化帮助用户适应未来的重大更新。对于硬件设计团队来说,现在开始准备向Chisel 7过渡将有助于减少未来的迁移成本。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00