Intel Compute Runtime 24.52版本发布:全面支持新一代GPU架构
项目简介
Intel Compute Runtime是英特尔推出的开源计算运行时环境,它为开发者提供了在英特尔GPU上运行OpenCL和Level Zero应用程序的能力。作为英特尔GPU驱动栈的核心组件,Compute Runtime在图形处理、机器学习、高性能计算等领域发挥着重要作用。
版本亮点
本次发布的24.52版本(内部版本号32224.5)带来了多项重要更新,特别是对英特尔最新GPU架构的支持和性能优化:
-
全面支持Battlemage架构:通过启用DirectSubmission技术,显著提升了Battlemage平台的计算性能。DirectSubmission是一种直接向GPU提交命令的技术,可以减少CPU开销,提高整体执行效率。
-
扩展平台支持:新增对Lunar Lake和Arrow Lake等新一代英特尔处理器的支持,确保开发者能够充分利用最新硬件特性。
-
稳定性与兼容性提升:基于22.5.5版本的GMM库(Graphics Memory Manager)提供了更稳定的内存管理能力。
技术细节
核心组件版本
- 计算运行时:24.52.32224.5
- GMM库:22.5.5
- Level Zero支持:1.19.2版本,符合Level Zero规范1.11.8
- IGC编译器:2.5.6版本
平台支持矩阵
该版本针对不同英特尔平台提供了不同级别的支持:
| 平台 | 质量等级 | OpenCL支持 | Level Zero支持 | WSL支持 |
|---|---|---|---|---|
| DG1 | 生产级 | 3.0 | 1.6 | 是 |
| Alchemist | 生产级 | 3.0 | 1.6 | 是 |
| Battlemage | 生产级 | 3.0 | 1.6 | 是 |
| Tiger Lake | 生产级 | 3.0 | 1.6 | 是 |
| Alder Lake | 生产级 | 3.0 | 1.6 | 是 |
| Meteor Lake | 生产级 | 3.0 | 1.6 | 是 |
| Lunar Lake | 生产级 | 3.0 | 1.6 | 是 |
质量等级说明
- 生产级:已通过全面测试,满足API一致性要求,适合生产环境使用
- Beta级:适合集成和广泛测试
- 预发布级:适合集成和测试,收集用户反馈
- 早期支持:平台可能尚未正式上市
- 实验性:没有质量保证
安装指南
在Ubuntu 24.04系统上安装该版本的步骤如下:
- 创建临时目录并下载所有必要的deb包
- 验证下载包的SHA256校验和
- 使用dpkg命令安装所有包
- 如有依赖问题,安装必要的依赖项如ocl-icd-libopencl1
对于Lunar Lake和Battlemage平台,建议使用Ubuntu 24.10系统配合intel-graphics PPA以获得最佳体验。
开发者建议
-
性能优化:对于Battlemage平台应用,建议充分利用新启用的DirectSubmission特性来提升性能。
-
兼容性测试:虽然该版本已通过全面测试,但在生产环境部署前仍建议进行充分的兼容性测试。
-
WSL开发:所有支持平台都经过WSL环境验证,开发者可以在Windows Subsystem for Linux环境下进行跨平台开发。
总结
Intel Compute Runtime 24.52版本为开发者提供了对英特尔最新GPU架构的全面支持,特别是通过DirectSubmission技术显著提升了Battlemage平台的性能表现。无论是传统计算应用还是新兴的AI/ML工作负载,这个版本都能提供稳定高效的支持。建议开发者根据自身应用场景和硬件平台选择合适的版本进行升级。
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