Z3Prover/z3 4.15.0版本发布:高性能SMT求解器的重要更新
Z3是由微软研究院开发的高性能定理证明器和SMT求解器,广泛应用于程序验证、符号执行、模型检测等需要自动推理的领域。作为形式化方法领域的重要工具,Z3能够处理各种约束求解问题,包括布尔逻辑、算术理论、位向量理论、数组理论等。
核心功能改进
本次4.15.0版本在整数线性算术求解方面进行了多项优化。开发团队改进了Diophantine方程(丢番图方程)的处理机制,通过引入m_dio_calls_period参数来控制调用频率,避免对大型数值的过度处理。同时优化了GCD(最大公约数)冲突检测算法,使其在整数约束求解中更加高效。
在非线性算术求解器(nlsat)方面,新增了对幂运算公理的支持,增强了处理包含指数表达式的能力。这一改进使得Z3能够更好地解决涉及多项式约束和指数关系的复杂问题。
性能优化
4.15.0版本在性能优化上做了大量工作:
- 改进了项收紧(term tightening)策略,通过更智能的项排序和权重计算,提高了约束求解效率
- 优化了边界处理机制,将m_r_upper和m_r_lower边界转换为普通向量,减少了内存访问开销
- 增强了布尔重写器(bool rewriter),特别是对条件表达式(ite)的处理能力
- 改进了序列理论(seq theory)的简化规则,提升了字符串相关约束的求解速度
API增强
Python API方面,4.15.0版本增加了类型注解支持,使开发者能更方便地使用静态类型检查工具。同时修复了SeqMapI中的上下文获取错误,增强了API的稳定性。
C API新增了多个实用函数:
- Z3_get_array_arity:获取数组类型的维度
- Z3_is_recursive_datatype_sort:判断数据类型是否递归
- Z3_get_numeral_small:优化数值获取接口
平台支持
4.15.0版本继续扩大跨平台支持,提供了针对不同架构的预编译二进制包:
- 新增ARM64架构的Linux(glibc 2.34)和macOS(13.7.5)支持
- 完善了x64架构在Windows、Linux和macOS上的二进制分发
- 保留了x86架构的Windows兼容版本
Python wheel包现在支持更多平台,包括macOS(x86_64和arm64)、Linux(x86_64和aarch64)以及Windows(32位和64位)。
其他重要变更
- 修复了多个关键问题,包括位向量到浮点数的转换错误、惰性策略参数传播问题等
- 改进了模型构建过程,确保在复制模型前正确刷新共享内存缓存
- 增加了对Ctrl-C信号处理的配置选项,使交互式使用更加灵活
- 优化了OCaml绑定的CMake构建系统
- 移除了不推荐使用的ML API残留代码
开发者体验
对于开发者而言,4.15.0版本带来了更完善的文档(z3doc.zip)和更稳定的NuGet包分发(Microsoft.Z3.*.nupkg)。Python开发者可以直接通过pip安装预编译的wheel包,无需从源码构建。
这个版本体现了Z3项目对性能、稳定性和开发者体验的持续关注,为形式化方法和自动推理领域的研究者和工程师提供了更强大的工具支持。
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 StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00