Miri项目新增对macOS 14.4+ futex API的支持
在操作系统并发编程领域,futex(快速用户空间互斥锁)是一种重要的同步原语,它通过结合用户空间和内核空间的协作机制,实现了高效的线程同步。最近,苹果公司在macOS 14.4及更高版本中引入了一套公开的futex-like接口,这为Rust标准库在苹果平台上的并发性能优化提供了新的可能性。
这套新API位于os/os_sync_wait_on_address.h头文件中,包含了一系列关键函数:
os_sync_wait_on_addressos_sync_wait_on_address_with_timeoutos_sync_wake_by_address_anyos_sync_wake_by_address_all
这些函数提供了类似Linux futex的功能,允许线程在用户空间高效地等待和唤醒。与Linux的futex实现相比,macOS的这套API在设计上有其独特性,但核心思想都是减少不必要的内核空间切换,从而提高并发性能。
Miri作为Rust的内存检查工具,需要对这些系统调用进行模拟(shim)才能正确分析使用这些API的Rust程序。实现这些shim的主要挑战在于:
- 苹果官方文档不完整,需要从源代码中理解API行为
- 需要正确处理各种参数组合和返回值
- 需要模拟真实的并发语义,包括等待队列和唤醒机制
为了确保实现的正确性,开发过程中通常会构建专门的测试用例,验证基本功能和使用场景。这些测试会模拟真实的标准库使用方式,但直接调用底层API以便于隔离测试。
这套新API的支持将使Rust标准库能够在macOS平台上实现更高效的线程同步原语,如条件变量、互斥锁等。相比之前可能使用的替代方案,如基于pthread的同步机制,futex-like API通常能提供更好的性能,特别是在低竞争场景下。
值得注意的是,这套API是macOS 14.4+新增的,这意味着向后兼容性需要考虑。在实际应用中,标准库可能会实现多级回退机制,在新API不可用时自动切换到传统实现方式。Miri的模拟实现也需要考虑这种版本差异和回退逻辑。
随着这一支持的加入,Rust开发者在macOS平台上进行并发编程时将获得更一致和高效的体验,同时也为Miri在这些平台上的内存检查能力提供了更完整的覆盖。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00