LDC编译器1.40.1版本发布:跨平台支持与性能优化
LDC是基于LLVM的D语言编译器,它结合了D语言的高效开发特性和LLVM的强大优化能力。作为D语言生态中的重要工具,LDC能够将D代码编译为高效的本地机器码,支持多种平台和架构。
版本亮点
核心组件升级
LDC 1.40.1版本将前端和druntime升级至D语言2.110.0正式版,这意味着开发者现在可以使用D语言最新的语言特性和标准库改进。同时,预构建包中的LLVM版本也升级到了v19.1.7,带来了更多的优化和bug修复。
跨平台支持增强
本次更新特别值得关注的是新增了对Alpine Linux x86_64 musl libc的支持。预构建包在Alpine v3.21上构建,使用了默认的LLVM 19。其中的可执行文件都是完全静态链接的,可以在几乎所有Linux发行版上运行。
另一个重大改进是初步支持Windows on ARM64架构。预构建的多平台Windows包/安装程序现在包含了预构建的arm64 druntime和Phobos。开发者可以通过-mtriple=aarch64-windows-msvc参数进行交叉编译,不过目前需要自行设置合适的MSVC arm64构建环境。
动态编译功能回归
LDC 1.40.1版本重新引入了动态编译(JIT)功能,这一功能自LLVM 12以来一直不受支持,现在可以在LLVM 18+上使用。这对于需要运行时代码生成的场景特别有用。
配置改进
新版本在ldc2.conf配置文件中添加了%%ldcversion%%占位符,允许引用特定版本的目录,简化了多版本管理。
平台兼容性
LDC 1.40.1支持LLVM 15到19版本,为开发者提供了广泛的LLVM版本选择空间。此外,该版本还初步支持使用IEEE 754R 128位浮点作为默认128位浮点格式的ppc64和ppc64le系统。
问题修复
针对macOS用户,修复了使用LTO链接时自动捆绑libLTO.dylib的问题。同时解决了构建多文件D应用程序时控制流保护导致内部编译器错误的问题。
Windows改进
Windows预构建包现在捆绑了官方的libcurl构建(v8.12.1)。需要注意的是,静态库(curl_a.lib)不再可用。当分发包含libcurl.dll的二进制文件时,必须同时包含curl-ca-bundle.crt文件(与DLL位于同一目录),以避免SSL证书验证错误。
总结
LDC 1.40.1版本在跨平台支持、性能优化和功能完善方面都取得了显著进展。特别是对ARM64架构和Alpine Linux的支持,以及动态编译功能的回归,为D语言开发者提供了更强大的工具链选择。这些改进使得LDC在各种开发场景下都能提供更好的性能和更广泛的应用可能性。
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-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
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
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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