CIRCT项目firtool-1.119.0版本发布:硬件编译工具链的重要更新
CIRCT(Circuit IR Compilers and Tools)是一个开源的硬件编译器基础设施项目,旨在为硬件设计提供现代化的编译器工具链。作为LLVM生态系统的一部分,CIRCT项目专注于将高级硬件描述语言转换为可综合的RTL代码,并提供各种中间表示(IR)和优化通道。
本次发布的firtool-1.119.0版本带来了多项重要改进和新功能,主要集中在ESI(Elastic Silicon Interfaces)接口、硬件模块优化、错误处理增强等方面。这些更新不仅提升了工具链的稳定性和功能性,也为硬件设计者提供了更强大的开发体验。
ESI接口的重大改进
本次版本在ESI接口支持方面有两个关键更新:
-
FIFO与ValidReady转换功能:新增了对BufferOp中FIFO与ValidReady协议相互转换的支持。这项功能使得不同接口协议之间的互操作性得到显著提升,为复杂SoC设计中的IP集成提供了更大灵活性。
-
运行时工具链增强:对ESI的运行时工具和构建系统进行了多项改进和错误修复,提高了工具链的可靠性和易用性。这些改进使得基于ESI的弹性接口设计更加稳定和高效。
硬件模块优化与路径处理
在硬件模块处理方面,本次更新引入了多项优化:
-
实例路径哈希支持:为InstancePath添加了DenseMap哈希能力,使得大规模设计中实例路径的处理更加高效。这项改进特别有利于包含大量模块实例的复杂设计。
-
相对路径缓存:在InstancePathCache中增加了相对路径缓存功能,减少了路径解析的开销,提升了编译性能。
-
模块级优化聚焦:改进了HierarchicalRunner转换,使其仅针对HWModuleOp运行优化通道,避免了不必要的处理,提高了编译效率。
错误处理与调试增强
新版本显著增强了错误处理和调试能力:
-
文件操作错误检测:在LowerToHW过程中,当$fopen操作失败时会明确报错,帮助开发者快速定位文件系统相关问题。
-
MLIR错误转储:新增了将MLIR错误信息转储到JSON文件的功能,为自动化测试和持续集成提供了更好的支持,也便于错误信息的后续分析。
其他重要改进
-
数组元素注入操作:HW方言中新增了数组元素注入操作,为数组处理提供了更灵活的操作方式。
-
LLHD条件驱动修复:修正了LLHD方言中条件驱动的处理逻辑,提高了模拟准确性。
-
SMT-LIB输出支持:在circt-lec工具中实现了emit-smtlib功能,增强了形式验证能力。
-
Arc内联器修复:解决了Arc内联器错误删除仍被调用的arc的问题,保证了转换的正确性。
总结
firtool-1.119.0版本的发布标志着CIRCT项目在硬件编译工具链领域的持续进步。从接口协议支持到核心优化算法,从错误处理到调试能力,各项改进都体现了项目团队对硬件设计者需求的深入理解。这些更新不仅提升了工具链的实用性和可靠性,也为复杂芯片设计提供了更强大的支持。
对于硬件开发者而言,升级到新版本将获得更流畅的设计体验和更高效的编译过程。特别是ESI接口的增强和错误处理机制的完善,将显著降低开发过程中的调试难度。随着CIRCT项目的持续发展,我们有理由期待它将在硬件编译领域发挥越来越重要的作用。
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