CIRCT项目firtool-1.120.0版本发布:LLHD与FIRRTL编译器的重要更新
CIRCT(Circuit IR Compilers and Tools)是一个开源的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技术。作为LLVM生态系统的一部分,CIRCT专注于将高级硬件描述语言转换为优化的中间表示(IR),并最终生成可综合的RTL代码或网表。本次发布的firtool-1.120.0版本带来了多项重要改进,特别是在LLHD(低级硬件描述)和FIRRTL(Flexible Intermediate Representation for RTL)编译器方面的功能增强。
LLHD内存优化增强
新版本在LLHD(低级硬件描述)方面进行了显著改进,特别是对内存访问模式的处理。开发团队为llhd.sig.array_get操作添加了Mem2Reg转换支持,这一优化允许编译器更高效地处理数组信号的读取操作。
Mem2Reg(内存到寄存器)是一种经典的编译器优化技术,其核心思想是将内存访问转换为寄存器访问,从而减少内存操作的开销。在硬件设计中,这种转换尤为重要,因为寄存器访问通常比内存访问更快且功耗更低。通过支持llhd.sig.array_get的Mem2Reg转换,编译器现在能够识别更多可以优化的内存访问模式,为后续的综合阶段生成更高效的硬件设计。
FIRRTL编译器改进
DPI调用处理优化
在FIRRTL编译器方面,1.120.0版本改进了对DPI(Direct Programming Interface)调用的处理。开发团队将DPI调用标记为"overdefined",这一技术术语表示这些调用具有不确定的行为特性,需要特殊处理。
DPI接口允许硬件设计(如SystemVerilog)与外部软件(如C/C++)进行交互。由于DPI调用可能引入不可预测的副作用或时序行为,编译器需要采取保守策略来处理这些调用。标记为"overdefined"后,编译器会在优化过程中保持这些调用的原始顺序和状态,避免可能引入错误的激进优化。
层次化设计绑定文件处理
另一个值得注意的改进是在层次化设计(LowerLayers)中对绑定文件(bindfile)的处理。新版本修复了可能生成重复绑定文件包含的问题,这在大型项目中使用层次化设计时尤为重要。
绑定文件通常用于指定模块实例化时的参数配置或特殊行为。在之前的版本中,当多个层次引用相同的绑定配置时,编译器可能会生成重复的包含语句。这不仅增加了文件大小,在某些情况下还可能导致冲突或意外行为。1.120.0版本通过智能检测和消除重复包含,使生成的代码更加简洁可靠。
PyCDE修复
对于使用Python硬件设计生态系统(PyCDE)的用户,这个版本修复了一个与inputs函数相关的问题。虽然具体细节未在发布说明中详细描述,但这类修复通常涉及API一致性或功能正确性方面的问题,对于依赖PyCDE进行高级硬件设计的开发者来说非常重要。
跨平台支持
firtool-1.120.0继续提供全面的跨平台支持,包括Linux、macOS和Windows系统。发布包包含了静态链接和动态链接两种版本,满足不同用户的需求。静态链接版本适合需要独立部署的场景,而动态链接版本则可以减少磁盘空间占用。
值得注意的是,Windows平台的静态链接版本下载量显著高于其他平台,这表明Windows用户在硬件设计工具链方面有较大需求,而CIRCT项目很好地满足了这一需求。
总结
CIRCT项目的firtool-1.120.0版本虽然在功能更新数量上不算庞大,但每一项改进都针对实际硬件设计编译流程中的关键痛点。从LLHD的内存访问优化,到FIRRTL对DPI调用的正确处理,再到层次化设计中绑定文件的处理,这些改进共同提升了编译器的稳定性、优化能力和用户体验。
对于硬件设计工程师和EDA工具开发者而言,及时升级到这个版本将能够获得更可靠的编译结果和更好的性能表现。特别是那些使用复杂层次化设计或需要与软件进行交互的项目,新版本中的改进将直接带来可见的好处。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00