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。
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