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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0201
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07