CIRCT项目firtool-1.122.0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,旨在为芯片设计提供现代化的编译器工具链。该项目基于MLIR框架,为硬件设计领域带来了编译器技术的先进理念和方法论。最新发布的firtool-1.122.0版本带来了一系列重要的功能增强和优化,特别是在寄存器传输级(RTL)生成、内存分配和优化等方面有显著改进。
核心功能更新
本次版本在多个关键领域进行了功能增强:
-
RTG(Register Transfer Generator)改进:测试匹配机制得到优化,新增了MemoryAllocation内存分配通道,并已集成到主流程中。这些改进使得寄存器传输级的生成更加高效和可靠。
-
AIG(And-Inverter Graph)分析增强:新增了最长路径分析(LongestPathAnalysis)实现,这对于时序分析和优化具有重要意义,能够帮助设计者更好地理解电路的关键路径。
-
FIRRTL优化:在模块去重(Dedup)方面,现在支持合并公共和私有模块(pub+priv模块),提高了代码复用率。同时,InjectDUT功能现在能够正确处理读写探针(rwprobes)的重新定位。
-
LLHD(低级硬件描述)改进:引入了组合进程操作(combinational process op),替代了原有的执行区域,提供了更清晰的硬件行为描述方式。Mem2Reg现在支持llhd.sig.extract操作,增强了信号处理能力。
工具链优化
在工具链层面,本次更新也带来了多项优化:
-
PyRTG改进:重构了目标和配置系统,新增了类型包装器支持,并实现了序列代码的惰性生成(lazy codegen),这些改进使得Python接口更加易用和高效。
-
OM(Object Model)Python支持:现在支持将字符串和列表作为评估器参数,增强了Python绑定的灵活性。
-
Seq模块优化:新增了对FirReg带有基于多路选择器(mux)常量驱动的规范化处理,提高了时序逻辑的综合质量。
技术影响与应用价值
这些更新对于硬件设计流程具有实际意义:
-
设计效率提升:模块去重和内存分配优化可以显著减少冗余代码,提高综合效率。
-
时序分析增强:最长路径分析的引入为时序收敛提供了更好的工具支持。
-
验证流程改进:测试匹配机制的优化使得验证环境与设计目标的对应关系更加清晰。
-
硬件建模灵活性:LLHD的组合进程操作提供了更自然的硬件行为描述方式。
总结
firtool-1.122.0版本的发布标志着CIRCT项目在硬件编译器技术上的持续进步。这些更新不仅提升了工具链的功能完整性,也为硬件设计者提供了更强大、更灵活的设计手段。特别是对RTL生成、时序分析和硬件建模的改进,将直接影响到芯片设计的生产效率和质量。对于使用MLIR进行硬件开发的研究人员和工程师来说,这个版本值得关注和升级。
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