Tenstorrent/tt-metal v0.59.0-rc22版本技术解析与更新亮点
Tenstorrent/tt-metal是一个专注于高性能计算和AI加速的开源项目,它提供了针对Tenstorrent硬件架构优化的计算库和工具链。该项目主要面向AI推理和训练场景,通过底层硬件优化实现高效能计算。本次发布的v0.59.0-rc22版本带来了多项重要改进和新特性,涵盖了从底层硬件接口到高层API的多个层面。
核心架构优化
本次版本在底层架构方面进行了多项重要改进。首先是对Socket API的增强,新增了Socket API及其相关测试,这为跨设备通信提供了更稳定和高效的基础设施。在数据移动方面,实现了"one to all"和"one to all multicast"功能,显著提升了多设备间的数据分发效率。
内存管理子系统也获得了重要更新,移除了主机端缓冲区分配/释放的概念,这一改变简化了内存管理模型,减少了潜在的错误源。同时,全局循环缓冲区实现被合并,减少了代码复杂度。这些底层优化为上层应用提供了更稳定和高效的运行环境。
计算功能增强
在计算功能方面,本次更新带来了多项重要改进:
-
Argmax操作现在能够根据NOC宽度动态调整每个核心的处理单元数量,实现了更好的资源利用率。
-
新增了对uint16数据类型的支持,包括乘法、按位或和异或操作,扩展了数据类型的支持范围。
-
改进了除法运算的测试范围和实现,提高了数值计算的稳定性和准确性。
-
针对BinaryNG操作启用了更多配置支持,为特定计算模式提供了更好的优化。
-
转置操作现在支持批处理模式,在ttnn.concat中实现了性能提升。
性能优化与调试工具
性能优化是本版本的重点之一。新增了多种性能测量工具和方法,允许开发者在不同条件下评估系统性能。针对预取器(prefetcher)增加了性能模式支持,在text_demo.py中已经启用这一特性。
调试工具方面,改进了check-noc-status脚本,提供了更全面的网络状态检查能力。同时修复了调试构建中的断言问题,确保开发过程中能够获得准确的调试信息。
模型支持与AI功能
在AI模型支持方面,本版本包含多项重要更新:
-
修复了Yolov8x演示程序的问题,确保模型能够正确运行。
-
为Mistral模型新增了MistralForCausalLM类,支持vLLM框架集成。
-
改进了Llama模型的TG解码性能,解决了长序列(>4k)情况下的挂起问题。
-
针对Llama-3.1-8B-Instruct模型优化了解码器精度设置。
-
新增了3层架构的训练演示,展示了分布式训练能力。
测试与稳定性改进
测试覆盖率和稳定性是本版本的重点关注领域:
-
新增了多设备Eltwise和TM压力测试,验证多设备场景下的稳定性。
-
实现了连接打开/关闭的压力测试,确保网络连接的可靠性。
-
针对BH(Black Hole)架构跳过了一些已知问题的测试用例,避免误报。
-
修复了fold_transpose测试在BH架构上的兼容性问题。
-
改进了数据移动测试,通过减少核心使用数量避免了内核参数限制问题。
开发者体验改进
在开发者体验方面,本版本进行了多项优化:
-
清理了Tensor类的各种属性获取方法,提供了更一致的API。
-
新增了Core组件作为TT-NN的基础设施。
-
移除了dev_msgs.h公开API,简化了接口设计。
-
为Generic Op和ProgramDescriptor添加了Python绑定,方便Python开发者使用。
-
重命名了SLAVE为SUBORDINATE,采用了更合适的术语。
总结
Tenstorrent/tt-metal v0.59.0-rc22版本在性能、稳定性和功能丰富度方面都取得了显著进展。从底层硬件接口到高层模型支持,该版本为开发者提供了更强大、更稳定的计算平台。特别是对Llama、Mistral等主流模型的支持优化,以及新增的训练演示,展现了该项目在AI加速领域的持续投入和创新能力。这些改进为后续版本奠定了坚实基础,也体现了Tenstorrent在专用AI加速硬件生态建设上的战略布局。
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
- QQwen3-Coder-480B-A35B-InstructQwen3-Coder-480B-A35B-Instruct是当前最强大的开源代码模型之一,专为智能编程与工具调用设计。它拥有4800亿参数,支持256K长上下文,并可扩展至1M,特别擅长处理复杂代码库任务。模型在智能编码、浏览器操作等任务上表现卓越,性能媲美Claude Sonnet。支持多种平台工具调用,内置优化的函数调用格式,能高效完成代码生成与逻辑推理。推荐搭配温度0.7、top_p 0.8等参数使用,单次输出最高支持65536个token。无论是快速排序算法实现,还是数学工具链集成,都能流畅执行,为开发者提供接近人类水平的编程辅助体验。【此简介由AI生成】Python00
- KKimi-K2-InstructKimi-K2-Instruct是月之暗面推出的尖端混合专家语言模型,拥有1万亿总参数和320亿激活参数,专为智能代理任务优化。基于创新的MuonClip优化器训练,模型在知识推理、代码生成和工具调用场景表现卓越,支持128K长上下文处理。作为即用型指令模型,它提供开箱即用的对话能力与自动化工具调用功能,无需复杂配置即可集成到现有系统。模型采用MLA注意力机制和SwiGLU激活函数,在vLLM等主流推理引擎上高效运行,特别适合需要快速响应的智能助手应用。开发者可通过兼容OpenAI/Anthropic的API轻松调用,或基于开源权重进行深度定制。【此简介由AI生成】Python00
2025百大提名项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。00note-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。TSX02GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。04
热门内容推荐
最新内容推荐
项目优选









