LACT项目v0.7.0版本发布:新增Intel GPU支持与自动配置切换功能
LACT(Linux AMDGPU Control Tool)是一款开源的Linux显卡管理工具,主要用于监控和配置AMD显卡的各项参数。作为一个功能强大的显卡控制工具,它提供了丰富的监控数据和精细化的性能调节选项。最新发布的v0.7.0版本带来了两项重大更新:对Intel GPU的全面支持以及基于进程和游戏模式的自动配置切换功能。
Intel GPU支持
v0.7.0版本最引人注目的特性是新增了对Intel GPU的支持。这一功能的实现得益于社区贡献者Citizen839X提供的Intel ARC A380显卡用于开发测试。目前LACT已经能够支持Intel GPU的以下功能:
-
全面的监控能力:
- 功耗监控
- 频率信息
- 显存使用情况
- 温度读数(需要较新内核版本)
- 风扇转速
- 节流状态信息
-
配置选项:
- 功耗限制调整
- 默认范围内的GPU时钟频率设置
需要注意的是,由于Intel驱动程序的限制,目前尚不支持以下功能:
- 超频(超过默认频率限制)
- 风扇控制
- 显存频率监控和配置
这一功能的加入使得LACT从一个专注于AMD显卡的工具转变为支持多厂商GPU的通用管理解决方案,大大扩展了其适用性。
自动配置切换
另一个重要更新是引入了基于规则的自动配置切换功能。这一功能允许用户根据系统状态自动切换不同的性能配置,主要包括两种触发方式:
-
基于进程的切换:
- 利用CoreCtrl项目的copes库实现高效的进程监控
- 订阅进程启动和退出事件,避免频繁扫描进程列表
- 可根据特定应用程序的运行状态自动切换性能配置
-
基于游戏模式的切换:
- 与Feral Interactive的gamemode守护进程集成
- 当游戏模式激活时自动应用预设的性能配置
这一功能特别适合需要在不同使用场景下(如日常工作、游戏、内容创作等)快速切换显卡性能配置的用户,大大提升了使用便利性。
其他重要改进
除了上述两大特性外,v0.7.0版本还包含多项改进和优化:
-
监控图表增强:
- 新增可配置的图表时间范围
- 改进数据可视化效果
-
稳定性提升:
- 减少错误弹窗频率
- 优化配置变更时的处理逻辑
- 改进温度传感器的处理方式
-
架构优化:
- 动态加载libdrm和libdrm_amdgpu库
- 简化客户端通信机制
-
文档完善:
- 完整记录所有配置选项
- 提供API使用示例
技术实现细节
从技术角度看,v0.7.0版本在架构上做了多项优化:
-
多厂商支持架构:
- 通过抽象层实现对不同GPU厂商的统一管理
- 保持核心功能一致性的同时支持厂商特定功能
-
高效的进程监控:
- 采用事件驱动模型替代轮询机制
- 最小化系统资源占用
-
动态库加载:
- 减少运行时依赖
- 提高兼容性
总结
LACT v0.7.0版本的发布标志着该项目从单一的AMD显卡管理工具向多厂商GPU通用管理解决方案的重要转变。新增的Intel GPU支持扩展了用户群体,而自动配置切换功能则显著提升了用户体验。这些改进使得LACT在Linux显卡管理工具领域更具竞争力,为Linux桌面用户提供了更完善的GPU性能管理方案。
对于技术爱好者而言,这个版本也展示了良好的软件架构设计,通过抽象层和动态加载机制实现了功能的灵活扩展。随着项目的持续发展,LACT有望成为Linux平台上最全面的开源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