BLIS项目中对GCC 15编译器AVX-512指令集支持的调整
在BLIS(Basic Linear Algebra Subprograms)这一高性能线性代数库的开发过程中,编译器支持始终是一个关键的技术考量点。近期,随着GCC 15编译器的发布,开发团队面临了一个重要的兼容性问题——GCC 15不再支持Xeon Phi处理器特有的AVX-512PF指令集扩展。
GCC 15编译器的一个显著变化是移除了对Xeon Phi协处理器(Knights Landing和Knights Mill架构)的专门支持。这一决定源于Intel已经停止对这些架构的维护,使得GCC社区也相应调整了支持策略。这一变化直接影响到了BLIS项目中针对KNL(Knights Landing)架构的优化代码路径。
在BLIS的构建系统中,config/knl/make_defs.mk文件原本包含了-mavx512pf编译选项,这是专门为Xeon Phi处理器设计的预取指令集扩展。当用户尝试使用GCC 15构建针对KNL架构优化的BLIS时,编译器会报错,因为它不再识别这个选项。
开发团队迅速响应了这一变化,通过两个主要措施解决了问题:
- 更新了构建系统配置,移除了不再支持的编译选项
- 确保其他AVX-512指令集的优化路径仍然可以正常工作
这一调整体现了BLIS项目对编译器生态变化的敏感性和快速响应能力。虽然Xeon Phi架构已经退出主流市场,但BLIS项目仍然保持了对其历史版本的支持,同时确保新版本能够适应现代编译器环境。
对于仍然需要使用Xeon Phi处理器的用户,建议继续使用GCC 14或更早版本的编译器。而对于大多数用户来说,这一变化不会影响他们在现代x86处理器上使用BLIS的性能优势,因为主流的AVX-512指令集支持仍然完整保留。
这一事件也提醒我们,在高性能计算领域,软件栈的各个层次(从硬件架构到编译器再到数学库)需要保持协同演进,BLIS项目通过这种及时的调整,继续为科学计算社区提供稳定可靠的基础设施。
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