LACT项目v0.7.3版本发布:AMD/NVIDIA显卡监控与超频工具的重大更新
LACT是一款开源的Linux系统显卡监控与超频工具,主要支持AMD和NVIDIA显卡。作为一个轻量级的守护进程和图形界面组合,它为用户提供了对显卡性能参数的实时监控、风扇控制、超频设置等功能。最新发布的v0.7.3版本带来了多项重要改进,特别是在图表可视化、系统兼容性和稳定性方面。
图表窗口全面升级
v0.7.3版本对图表监控窗口进行了彻底重构,使其成为完全可配置的界面。这一改进显著提升了用户体验:
-
自定义统计指标:用户现在可以自由选择要在图表上显示的统计指标,包括默认不显示的GPU电压、GPU负载百分比和显存使用情况等高级参数。
-
多图表管理:支持添加/删除多个图表,并通过拖放方式调整它们的位置和大小,实现个性化的监控布局。
-
数据导出功能:新增了将历史监控数据导出为CSV文件的功能,方便用户进行后续分析和报告生成。
-
持久化UI设置:所有图表配置和界面布局设置现在会被自动保存,下次启动时保持用户偏好。
这一改进使得专业用户可以根据自己的需求创建定制化的监控面板,而普通用户也能轻松查看最关心的性能指标。
Flatpak打包支持
v0.7.3版本首次提供了Flatpak打包格式,这是Linux应用分发的重要一步:
-
沙箱与权限平衡:由于LACT守护进程需要root权限,Flatpak包附带了一个辅助脚本,用于在沙箱外安装守护进程。
-
通用安装方案:安装脚本设计为通用型,理论上支持所有使用systemd的Linux发行版。
-
未来计划:开发者计划将LACT提交至Flathub官方仓库,前提是能够通过其审核流程。
Flatpak支持大大简化了LACT在各种Linux发行版上的安装过程,特别是对于那些不在官方仓库中的发行版用户。
AMD RDNA3显卡设置优化
针对AMD RDNA3架构显卡(如RX 7000系列)存在的设置应用问题,v0.7.3版本进行了专门优化:
-
设置顺序调整:通过社区测试发现,特定的设置写入顺序可以避免驱动层的问题,现在LACT会按照最优顺序应用各项参数。
-
兼容性保障:虽然主要针对RDNA3,但改进也经过了多代AMD显卡的测试验证。
-
问题根源:这一优化解决了AMD驱动中已知的超频设置不可靠问题,特别是功率限制、风扇曲线和时钟频率设置可能失效的情况。
设备识别与紧急恢复
新版本在设备支持和系统安全性方面也有显著提升:
-
嵌入式设备数据库:LACT现在内置了GPU厂商(AIB)名称数据库,当系统数据库无法识别特定显卡型号时作为备用方案。用户可以通过提交设备ID来帮助完善这个开源数据库。
-
紧急配置重置:新增了通过
lact-reset启动参数来重置错误配置的功能。当超频设置导致系统不稳定时,用户可以在启动时使用这个选项恢复默认设置,避免无法进入系统的情况。
其他改进与修复
v0.7.3版本还包括多项细节优化:
-
NVIDIA显卡支持:现在可以正确报告风扇转速(RPM)和风扇速度百分比。
-
权限管理:更新了socket权限配置,增加了admin_user字段,提高了安全性。
-
性能监控:新增了GPU和显存使用率统计到历史图表中,并支持显示节流状态。
-
系统兼容性:针对不同Linux发行版(如Fedora、openSUSE、Ubuntu等)提供了更完善的打包支持。
总结
LACT v0.7.3版本通过图表自定义、Flatpak打包支持、RDNA3优化等多项改进,进一步巩固了其作为Linux平台显卡管理工具的地位。无论是普通用户还是高级玩家,都能从这个版本中获得更好的使用体验。特别是对于使用最新AMD显卡的用户,设置可靠性的提升解决了长期存在的痛点问题。随着Flatpak支持的加入,LACT的易用性和可及性也得到了显著提升。
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