LACT v0.7.2 版本发布:全面支持RDNA4架构与NVIDIA锁频功能
LACT(Linux AMD/ATI Control Tool)是一款专为Linux系统设计的开源GPU管理工具,主要用于监控和调节AMD及NVIDIA显卡的各项参数。该项目通过提供直观的图形界面和命令行工具,让Linux用户能够方便地控制GPU频率、电压、风扇转速等关键参数,从而实现对显卡性能的精细调校。
RDNA4架构全面支持
本次发布的v0.7.2版本最引人注目的特性是对AMD最新RDNA4架构(RX 9070系列GPU)的完整支持。经过开发团队与社区贡献者的共同努力,LACT现在能够完美控制RDNA4显卡的时钟设置、功耗限制和风扇转速。
值得注意的是,当前内核版本(6.13/6.14)的驱动接口存在一些已知问题,社区贡献者已经提交了相关修复补丁,预计将在6.15+版本的内核中合并。LACT目前通过特殊处理兼容了现有内核版本和修复后的接口,但未来版本将逐步移除对6.13/6.14内核的兼容性支持。
要获得最佳RDNA4支持体验,用户需要:
- 内核版本至少为6.13(推荐6.14)
- linux-firmware固件需更新至2024年2月以后的版本
NVIDIA锁频功能实现
针对NVIDIA显卡,v0.7.2版本新增了锁频功能支持。这项功能允许用户设置GPU和显存的最小/最大时钟频率,结合偏移量设置,可以间接实现对NVIDIA显卡的降压操作。这一特性为追求能效比的用户提供了更多调校空间。
硬件信息展示增强
新版本改进了硬件信息展示功能,特别是对NVIDIA显卡的信息获取能力。通过直接查询NVIDIA驱动接口(而非仅依赖NVML),LACT现在能够显示更多硬件细节:
- ROP(光栅操作处理器)数量
- SM(流式多处理器)数量
- 显存类型和供应商信息
- AMD显卡的显存供应商信息
用户体验优化
在界面和交互方面,v0.7.2版本也做出了多项改进:
- 历史图表现在能够更好地遵循GTK主题配色,不再局限于黑线白底的固定样式
- 改进了GPU重新初始化(如休眠唤醒)后的风扇控制可靠性
- 移除了blueprint-compiler依赖,简化了打包流程
- 使用vulkaninfo命令行工具替代vulkano库获取Vulkan信息
开发者与打包者须知
对于开发者和系统打包人员,需要注意以下变更:
- 新增vulkan-tools中的vulkaninfo命令为必需依赖
- 不再需要blueprint-compiler
- 测试套件现在需要fuse3及其头文件(仅测试需要,运行LACT本身不需要)
总结
LACT v0.7.2版本在硬件支持广度和功能深度上都有显著提升,特别是对最新RDNA4架构的完整支持,使Linux用户能够充分发挥新一代AMD显卡的潜力。同时,NVIDIA锁频功能的加入也为绿色阵营用户提供了更多调校选择。随着项目的持续发展,LACT正逐步成为Linux平台上功能最全面的GPU管理工具之一。
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