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。
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