CIRCT项目firtool-1.114.0版本发布:硬件编译器工具链的重要更新
CIRCT(Circuit IR Compilers and Tools)是一个开源的硬件编译器基础设施项目,旨在为芯片设计提供现代化的编译器工具链。该项目基于MLIR框架,为硬件设计提供了从高层次硬件描述语言到低层次实现的完整编译流程。最新发布的firtool-1.114.0版本带来了一系列功能增强和错误修复,进一步提升了硬件编译的效率和可靠性。
核心功能改进
本次更新在FIRRTL(Flexible Intermediate Representation for RTL)编译器工具链方面进行了多项优化。其中值得关注的是对路径处理能力的增强,现在可以支持针对外部模块端口的路径定位。这一改进使得设计者能够更精确地指定和操作模块接口,特别是在包含第三方IP核的复杂设计中。
在系统级建模方面,更新改进了LLHD(低级硬件描述)语言的Deseq传递处理,现在能够正确处理进程结果。这对于硬件仿真和验证流程的准确性至关重要,确保了时序行为的精确建模。
语言与工具链增强
OM(Object Model)语言支持得到了重要修复,解决了嵌套ReferenceValue的最终化问题,并修正了tuple_get操作在OMEvaluator中的行为。这些改进增强了元数据处理的可靠性,使得硬件设计中的配置和参数传递更加稳健。
RTG(Random Test Generation)框架新增了对数组类型的支持,包括数组创建和提取操作。同时,PyRTG接口也相应扩展,增加了布尔值和整数比较功能,以及获取随机整数的方法。这些增强使得测试生成更加灵活和强大,有助于提高验证覆盖率。
性能优化与错误修复
在编译器优化方面,AffineParallelOpUnparallelize传递现在能够简化嵌套的SCF IndexSwitch结构,并移除了不必要的unparallelized属性。这些优化减少了生成的中间代码复杂度,提高了编译效率。
针对SMT(可满足性模理论)求解器的集成也进行了更新,修复了ArrayBroadcastOp中的声明函数名称问题,并集成了上游的SMT C API。这些改进增强了形式验证能力,为硬件正确性验证提供了更强大的工具支持。
工具链与基础设施
在工具链层面,本次更新增加了对fprintf输出文件名中替换的支持,并新增了sv.sformatf操作。同时添加了fflush操作,完善了文件IO功能。这些改进使得日志记录和调试输出更加灵活和可靠。
构建系统方面,现在会将CMake模块复制到CIRCT_CMAKE_DIR,简化了项目的集成过程。此外还修复了verilator驱动对clang的支持问题,提高了工具链的兼容性。
总结
firtool-1.114.0版本的发布标志着CIRCT项目在硬件编译器工具链领域的持续进步。从核心编译优化到周边工具支持,从语言特性增强到验证能力提升,这一版本在多方面都有显著改进。这些变化不仅提高了编译效率和质量,也为硬件设计者提供了更丰富、更可靠的工具支持,进一步推动了开源硬件设计生态系统的发展。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112