Classiq量子计算平台0.76.0版本发布:增强赋值操作与接口优化
Classiq作为一款领先的量子计算开发平台,通过高级抽象和自动化优化技术,大幅降低了量子算法的开发门槛。本次发布的0.76.0版本在语法灵活性和用户体验方面做出了重要改进,为量子编程开发者带来了更便捷的开发体验。
量子变量赋值操作增强
在量子编程中,变量的位宽管理一直是一个需要谨慎处理的问题。新版本对out-of-place赋值操作进行了重要优化:
-
现在允许对声明尺寸大于表达式值域最小需求的变量进行out-of-place赋值。这一改进使得开发者在使用预分配的大尺寸量子寄存器时更加灵活,不必严格匹配精确的位宽要求。
-
在实际量子硬件资源有限的情况下,这一特性为算法实现提供了更大的弹性空间。开发者可以更自由地设计量子电路,而不必过度关注底层硬件的位宽限制。
编程接口重大改进
本次版本对Python SDK接口进行了重构,使量子程序的处理更加直观:
-
synthesize函数现在直接返回QuantumProgram对象,开发者可以直接访问其属性,无需再通过get_qprog方法获取序列化对象。 -
移除了
SerailizedQuantumProgram类型和QuantumProgram.get_qprog方法,简化了API设计。这一变化使得代码更加简洁,减少了不必要的类型转换步骤。
用户体验优化
平台在用户交互方面进行了多项改进:
-
重新设计了社区支持功能,将原来的社区按钮替换为下拉菜单,新增"联系我们"表单选项。用户提交表单后,问题将直接发送至Classiq技术支持团队,大大提高了沟通效率。
-
修复了界面布局中的padding不一致问题,使整体UI更加整洁统一。这一改进虽然看似细微,但对于长时间使用平台的开发者来说,能显著提升使用舒适度。
-
扩展了内容分享功能,新增了LinkedIn和Reddit的一键分享选项。这使得研究成果的传播更加便捷,有助于量子计算社区的交流与合作。
技术意义与应用价值
0.76.0版本的这些改进虽然看似增量式更新,但对量子算法开发的实际工作流程有着实质性影响:
-
灵活的变量赋值规则降低了量子算法原型的开发难度,特别是在需要重用量子寄存器的复杂算法中。
-
简化的API接口减少了开发者的认知负担,使得他们能够更专注于算法本身而非平台细节。
-
增强的用户交互功能改善了开发体验,使问题反馈和知识分享更加顺畅。
这些改进共同推动了Classiq平台向着更易用、更强大的方向发展,为量子计算从研究走向实际应用提供了更好的工具支持。
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