CoreCycler v0.11.0.0alpha1版本发布:AMD Ryzen自动超频测试工具重大更新
CoreCycler是一款专门为AMD Ryzen处理器设计的自动超频测试工具,它通过智能化的方式帮助用户测试和优化处理器的Curve Optimizer(曲线优化器)设置。该工具能够自动检测系统稳定性,并在发现不稳定时调整电压参数,最终找到每个核心的最佳电压偏移值。
自动测试模式的重要改进
本次发布的v0.11.0.0alpha1版本对自动测试模式进行了多项重大改进:
-
新增对Ryzen 9000/8000系列处理器的支持:工具现在可以兼容最新的Ryzen处理器系列,为用户提供更广泛的硬件支持。
-
核心独立电压设置选项:新增的
setVoltageOnlyForTestedCore配置选项允许工具仅对当前测试的核心应用负的Curve Optimizer值,其他核心则保持为0。这一改进显著提高了测试过程的稳定性,避免了因其他核心电压过低导致的系统崩溃。 -
系统恢复点创建:工具现在会在自动测试模式启动时自动创建系统恢复点,为用户提供了一层额外的安全保障。这一功能对于防止因测试过程中出现严重错误导致的系统损坏尤为重要。
-
更灵活的起始值设置:新增"Minimum"选项为不同代际的Ryzen处理器提供预设的起始电压值(Ryzen 5000为-30,Ryzen 7000及以上为-50)。同时,"CurrentValues"选项现在作为默认值,使用当前设置作为测试起点,使测试过程更加直观。
-
改进的崩溃恢复机制:新增了120秒的崩溃后等待时间,防止Windows将快速连续崩溃识别为启动失败而进入恢复模式。这一改进确保了测试过程能够更可靠地自动恢复。
技术实现优化
在底层实现方面,本次更新也包含多项重要改进:
-
改用ryzen-smu-cli进行Curve Optimizer设置:这一变更提高了电压参数设置的可靠性和效率。
-
JSON格式的.automode文件:测试状态记录文件现在采用更结构化的JSON格式,提高了数据的可读性和可靠性。
-
增强的调度任务保护:改进了自动恢复功能的可靠性,减少了任务丢失的情况。
-
运行环境检查:新增了对Visual C++库和.NET 8运行时的检查,确保工具能够在正确的环境下运行。
问题修复
本次更新修复了多个影响用户体验的问题:
- 修复了崩溃核心可能被多次添加到测试序列的bug
- 解决了
stopOnError与自动测试模式冲突的问题 - 修正了CCD禁用状态检测的问题
- 改进了日志文件创建逻辑
- 优化了线程恢复机制
- 提高了y-cruncher使用时的CO值设置效率
- 改进了Aida64的退出处理
- 修复了调度任务注册相关的问题
使用建议
对于希望尝试新版本的用户,建议:
- 在开始自动测试前,仔细阅读新版配置文件中的新增选项说明
- 考虑使用新增的
Ryzen.AutomaticTestMode.Start.ini预设配置,它启用了核心独立电压设置并使用最小起始值 - 保持系统恢复功能启用,特别是在进行大规模测试时
- 对于Ryzen 9000/8000系列用户,这是首个提供官方支持的版本,测试反馈对项目发展尤为重要
CoreCycler v0.11.0.0alpha1通过多项改进和问题修复,为用户提供了更稳定、更可靠的自动超频测试体验,特别是对新硬件平台的支持使其保持了技术领先性。虽然仍处于预发布阶段,但这些改进已经显著提升了工具的整体可用性。
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-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
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