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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00